Claude Opus 4.8 est lancé, Anthropic commence à vendre la « fiabilité » comme un argument de vente
Anthropic a publié Claude Opus 4.8, une mise à jour majeure où la « fiabilité » devient un argument central. Si le modèle obtient cinq premières places sur six tests de référence officiels, l'amélioration cruciale concerne sa capacité à signaler ses propres erreurs. Dans les tests d'honnêteté en synthèse de code, son taux de non-déclaration d'erreurs est passé de 19,7% à 3,7%.
La version intègre également un flux de travail dynamique dans Claude Code (en préversion), permettant à l'agent d'orchestrer des sous-agents et d'effectuer des vérifications contradictoires avant de livrer un résultat. Cette avancée vise directement le problème des réponses erronées mais apparemment cohérentes, un frein majeur au déploiement de l'IA dans des workflows réels.
Le modèle montre des progrès notables en mathématiques (+27 points sur l'USAMO 2026) et dans les tâches à contexte long, tandis que son efficacité token s'est améliorée. Cependant, le rapport système note quelques régressions, comme une légère baisse sur un test scientifique expert (GPQA Diamond).
Face aux modèles open-source performants et bien moins chers, Opus 4.8 mise sur sa fiabilité supérieure pour justifier son prix (inchangé). Anthropic positionne cette version comme un prélude au modèle « Mythos », bien plus puissant mais d'accès restreint et coûteux, attendu dans les prochaines semaines. Cette évolution signale un tournant : la compétition entre modèles de pointe se déplace des performances brutes vers la confiance et la vérifiabilité, conditions essentielles pour confier des tâches critiques.
marsbit05/29 22:24
