VerdictPal
Beitreten

Modelle / Anthropic

Claude Opus 4.8

Claude Opus · Release 2026-05-28

Anthropics Flaggschiff Mai 2026. Führt den Vals-Index (70,17 %) und den Artificial-Analysis-Intelligence-Index (61,4) an. SWE-bench Verified 88,6 %, Terminal-Bench 2.0 74,6 %, 1M-Token-Kontext, $15 / $75 pro 1M Tokens.

Eingangsmodell für hartes Reasoning, lange Dokumente, agentisches Coding und tool-lastige Recherche. Das Modell, zu dem wir zuerst greifen, wenn eine Aufgabe zu schwer für Sonnet, aber klein genug für einen Prompt ist.

#5 von 21 im Vals Index · aktueller Snapshot
70 Vals Index · 26 Benchmark-Zeilen · 12 QuellenPosition ist benchmark-spezifisch — kein Cross-Family- oder Cross-Source-Ranking.
Composite73
Kontext1M
Input / 1M$15
Output / 1M$75
Wissensstichtag2026-02-01
Output-Speed63 t/s
TTFT (Default-API)30.13s
Statusflagship
ClaudeFactoryPerplexity
KnowledgeReasoningMathCodingAgenticMultimodalLong contextTool useSafetyHuman preference
Knowledge
91
Reasoning
80
Math
94
Coding
96
Agentic
100
Multimodal
71
Long context
58
Tool use
87
Safety
92
Human preference
92

86average across 10 tested families

Redaktionsnotiz
Opus 4.8 ist das Modell, zu dem wir zuerst greifen, wenn eine Aufgabe schwer genug ist, um Sonnet halluzinieren zu lassen, aber klein genug für einen Prompt. Das 1M-Kontextfenster ist real, kein Marketing — Langdokument-Zitat-Treue und BFCL-Scores belegen das. Der Single-Number-Rang (Vals, AA) ist der höchste, den wir gemessen haben.
Benchmark-Platzierungen

Wo Claude Opus 4.8 auf jeder öffentlichen Benchmark-Quelle mit Zeile steht. Rang zählt jedes Modell mit neuester Zeile im selben Test — kein universeller Qualitätsscore.

BenchmarkFamilyRangScoreQuelleDatum
LongBench v2Long context#1/ 1958LongBench v2 leaderboard2026-04-01
MMLUKnowledge#1/ 2291Anthropic Claude 4 family2026-05-28
AIMEMath#2/ 1994Anthropic Claude 4 family2026-05-28
LMArena (Chatbot Arena)Human preference#2/ 1392LMArena leaderboard2026-05-25
GDPvalAgentic#2/ 6100Artificial Analysis — GDPval-AA v22026-06-17
HELM SafetySafety#2/ 992Stanford HELM leaderboard2026-05-28
LiveBenchReasoning#2/ 2171LiveBench leaderboard2026-04-15
MCP AtlasTool use#2/ 1079MCP Atlas leaderboard2026-06-09
SWE-bench VerifiedCoding#2/ 2389SWE-bench official leaderboard2026-05-30
BFCLTool use#3/ 2087Berkeley Function Calling Leaderboard V42026-04-15
DeepSWECoding#3/ 659DeepSWE leaderboard v1.12026-06-20
Humanity's Last ExamReasoning#3/ 6546Artificial Analysis2026-07-21
HumanEvalCoding#3/ 1596Anthropic Claude 4 family2026-05-28
MMMUMultimodal#3/ 871MMMU leaderboard2026-05-28
Artificial Analysis Intelligence IndexReasoning#4/ 6756Artificial Analysis2026-07-21
Vals IndexAgentic#5/ 2070Vals AI — Vals Index2026-06-04
MATHMath#6/ 2088Anthropic Claude 4 family2026-05-28
MMLU-ProKnowledge#9/ 2182MMLU-Pro HuggingFace leaderboard2026-05-28
AA time to first tokenPerformance#13/ 69Artificial Analysis2026-07-21
SciCodeCoding#14/ 6554Artificial Analysis2026-07-21
Terminal-BenchAgentic#17/ 6975Terminal-Bench 2.0 leaderboard2026-05-20
τ³-Bench BankingAgentic#30/ 6428Artificial Analysis2026-07-21
IFBenchReasoning#41/ 5762Artificial Analysis2026-07-21
AA output speedPerformance#45/ 69Artificial Analysis2026-07-21
AA-LCRLong context#48/ 6458Artificial Analysis — AA-LCR2026-06-17
GPQA DiamondReasoning#51/ 6980GPQA Diamond paper leaderboard2026-05-15
Family-Kontext

Die drei höchstscorierenden kartierten Modelle pro Capability-Family. Wo Claude Opus 4.8 auftaucht, ist es hervorgehoben.

KnowledgeClaude Opus 4.8 · 91
  1. 1
    GPT 5.5
    91
  2. 2
    Claude Opus 4.8
    91
  3. 3
    Claude Sonnet 4.6
    91
ReasoningClaude Opus 4.8 · 80
  1. 1
    Claude Mythos Preview
    95
  2. 2
    GPT-5.6 Sol
    94
  3. 3
    Kimi K3
    94
MathClaude Opus 4.8 · 94
  1. 1
    OpenAI o3
    99
  2. 2
    OpenAI o1
    97
  3. 3
    Gemini 3 Pro
    96
CodingClaude Opus 4.8 · 96
  1. 1
    GPT 5.5
    96
  2. 2
    Claude Opus 4.8
    96
  3. 3
    Claude Opus 4.6
    96
AgenticClaude Opus 4.8 · 100
  1. 1
    GPT 5.5
    100
  2. 2
    Claude Opus 4.8
    100
  3. 3
    Claude Fable 5
    100
MultimodalClaude Opus 4.8 · 71
  1. 1
    Gemini 3.1 Pro
    72
  2. 2
    GPT 5.5
    72
  3. 3
    Claude Opus 4.8
    71
Long contextClaude Opus 4.8 · 58
  1. 1
    Kimi K3
    75
  2. 2
    GPT-5.1
    75
  3. 3
    GPT-5.6 Sol
    74
Tool useClaude Opus 4.8 · 87
  1. 1
    Claude Sonnet 4.6
    89
  2. 2
    GPT 5.5
    87
  3. 3
    Claude Opus 4.8
    87
SafetyClaude Opus 4.8 · 92
  1. 1
    Claude Opus 4 (2024-07)
    92
  2. 2
    Claude Opus 4.8
    92
  3. 3
    GPT 5.5
    91
Human preferenceClaude Opus 4.8 · 92
  1. 1
    GPT 5.5
    95
  2. 2
    Claude Opus 4.8
    92
  3. 3
    Gemini 3.5 Flash
    91
Neueste Belege

Benchmark-Zeilen im öffentlichen Ledger für Claude Opus 4.8 in den letzten 120 Tagen. Ältere Zeilen stehen in der vollen Tabelle unten.

26 neu
BenchmarkFamilyScoreQuelleTage her
AA output speedPerformance63 t/sArtificial Analysis2
AA time to first tokenPerformance30.13sArtificial Analysis2
Artificial Analysis Intelligence IndexReasoning55.7%Artificial Analysis2
Humanity's Last ExamReasoning45.7%Artificial Analysis2
IFBenchReasoning62.24%Artificial Analysis2
SciCodeCoding53.5%Artificial Analysis2
τ³-Bench BankingAgentic27.63%Artificial Analysis2
DeepSWECoding59%DeepSWE leaderboard v1.133
GDPvalAgentic1638Artificial Analysis — GDPval-AA v236
AA-LCRLong context58.3%Artificial Analysis — AA-LCR36
MCP AtlasTool use79.2%MCP Atlas leaderboard44
Vals IndexAgentic70.4%Vals AI — Vals Index49
SWE-bench VerifiedCoding88.6%SWE-bench official leaderboard54
AIMEMath94.2%Anthropic Claude 4 family56
HELM SafetySafety91.8%Stanford HELM leaderboard56
HumanEvalCoding95.8% pass@1Anthropic Claude 4 family56
MATHMath88.4%Anthropic Claude 4 family56
MMLU-ProKnowledge82.4%MMLU-Pro HuggingFace leaderboard56
MMLUKnowledge91.4%Anthropic Claude 4 family56
MMMUMultimodal70.6%MMMU leaderboard56
LMArena (Chatbot Arena)Human preference1462LMArena leaderboard59
Terminal-BenchAgentic74.6%Terminal-Bench 2.0 leaderboard64
GPQA DiamondReasoning79.8%GPQA Diamond paper leaderboard69
BFCLTool use86.9%Berkeley Function Calling Leaderboard V499
LiveBenchReasoning70.8%LiveBench leaderboard99
LongBench v2Long context58.4%LongBench v2 leaderboard113
Family-Abdeckung

Ein hoher Composite, der eine schwache Family versteckt, ist eine Falle. Diese Balken zeigen Families ohne öffentlichen Test — und wo das Modell führt.

Knowledge91
Reasoning80
Math94
Coding96
Agentic100
Multimodal71
Long context58
Tool use87
Safety92
Human preference92
Preis vs. Performance
0255075100$0.10$0.30$1$3$10$30input USD / 1M tokens · log scale →← intelligence

Hover or tab any dot for name, score, and input price.

AnthropicOpenAIMistralAlibabaDeepSeekGoogleMoonshotMiniMaxxAIMetaZhipuXiaomiMeituanCohere

Volles Benchmark-Ledger

Jeder Katalog-Benchmark für Claude Opus 4.8. Scores verlinken zur Originalquelle; Lücken heißen: noch keine öffentliche Zeile.

26 Quell-Zeilen

26 of 32 catalog benchmarks have a sourced row for Claude Opus 4.8.

Knowledge

Reasoning

Math

Coding

Agentic

Multimodal

Long context

Tool use

Performance

Safety

Human preference

Changelog
  1. Claude Opus 4.8 veröffentlicht — Spitze bei Vals (70,17 %) und AA (61,4).
  2. Claude Opus 4.7 für allgemeine Verfügbarkeit ausgemustert.
Quellen