Claude Opus4.8 Dirilis, Anthropic Mulai Jadikan 'Keandalan' sebagai Poin Jual Produk
Claude Opus 4.8 telah dirilis oleh Anthropic, dengan penekanan utama pada peningkatan **keandalan dan kepercayaan** sebagai daya tarik inti, bukan sekadar peningkatan kinerja benchmark.
Dalam pengujian kejujuran kode, model ini mengurangi tingkat kegagalan melaporkan kesalahan sendiri dari 19.7% (Opus 4.7) menjadi 3.7%. Ia juga mencapai skor nol dalam dua pengujian kewajiban, mengurangi jawaban keliru yang terlalu percaya diri sekitar 11 kali lipat. Fitur **alur kerja dinamis** di Claude Code kini dapat menjalankan puluhan hingga ratusan sub-Agen secara paralel dan memasukkan pemeriksaan diri yang bersifat adverserial sebelum menyerahkan hasil.
Meski memenangkan lima dari enam benchmark inti (kecuali di Terminal-Bench 2.1 yang masih dipimpin GPT-5.5), laporan sistem mengungkap lompatan besar dalam matematika (USAMO 2026) dan keunggulan dalam konteks panjang serta tugas multi-Agen. Namun, ada juga kemunduran dalam hal kemampuan menolak jawaban dan resistensi terhadap injeksi prompt.
Harga tetap sama, dan ini merupakan upgrade gratis bagi pengguna Opus 4.7. Peningkatan keandalan ini memungkinkan pengguna mempercayakan lebih banyak tugas nyata kepada model, mengurangi risiko "kesalahan diam" di mana AI memberikan jawaban yang tampak sempurna namun salah.
Anthropic juga mengumumkan bahwa model tingkat **Mythos** yang lebih kuat dan dengan akses terbatas akan datang dalam beberapa minggu, dengan Opus 4.8 menjadi pintu masuk publik menuju kemampuan tersebut. Intinya, persaingan model kini bergeser dari sekadar kecepatan atau kecerdasan menuju ke **kepercayaan dan kemampuan untuk diverifikasi**, yang merupakan prasyarat penting agar Agent AI dapat digunakan untuk tugas yang lebih kompleks dan kritis.
marsbit05/29 22:23
