Anthropic, Claude Opus 4.8'i piyasaya sürdü

 (anthropic.com)
12 puan yazan flyingsquirrel 2026-05-29 | 11 yorum | WhatsApp'ta paylaş

Anthropic, en üst seviye modeli Claude Opus'un yükseltilmiş sürümü olan Claude Opus 4.8'i piyasaya sürdü. Önceki sürüm 4.7 temel alınarak benchmark performansı iyileştirildi, iş birliği yetenekleri güçlendirildi ve fiyat aynı tutuldu.

Başlıca iyileştirmeler ve özellikler

  • Performans artışı: Kodlama, ajan becerileri, akıl yürütme ve pratik bilgi işleri genelinde önceki modele ve GPT-5.5 gibi rakip modellere kıyasla üstün performans gösteriyor.
  • Dürüstlük (Honesty) güçlendirildi: Yapay zekanın temelsiz iddialarda bulunması veya aceleyle sonuca varması sorunu iyileştirildi. Opus 4.8 belirsiz noktaları kendi başına işaretliyor ve koddaki kusurları gözden kaçırma olasılığı önceki modele göre yaklaşık 4 kat azaldı.
  • Güvenilir ajan yetenekleri: İlk test sonuçlarına göre, karmaşık çok adımlı görevler yürütülürken muhakeme keskinleşti; kendi hatalarını fark etme ve plan geçerli olmadığında itiraz etme gibi daha iyi iş birliği yetenekleri gösteriyor.
  • Maliyet verimliliği: 'Fast Mode' hızı 2,5 kat arttı ve maliyet önceki modele göre 3 kat daha ucuz hale geldi.

Birlikte kullanıma sunulan yeni özellikler

  • Dynamic Workflows: Claude Code'un araştırma önizleme özelliği olarak, yüzlerce paralel alt ajan çalıştırarak büyük ölçekli kod tabanı migrasyonu gibi karmaşık işleri gerçekleştirebiliyor.
  • Effort Control: Kullanıcılar, Claude'un bir göreve ne düzeyde efor harcayacağını seçebiliyor. Yüksek ayarda daha derin düşünüp daha yüksek kaliteli yanıtlar verirken, düşük ayarda daha hızlı yanıt veriyor.
  • Messages API güncellemesi: Sistem girdileri artık mesaj dizisi içine dahil edilebiliyor; böylece prompt cache bozulmadan işin ortasında talimatlar güncellenebiliyor.

Gelecek planları

Anthropic, Opus düzeyinde performansı daha düşük maliyetle sunan bir model geliştiriyor ve Project Glasswing aracılığıyla Opus'tan daha yüksek zekaya sahip yeni bir model sınıfı olan (Claude Mythos) üzerinde hazırlanıyor. Model şu anda bazı kuruluşlarda güvenlik testlerinden geçiyor ve birkaç hafta içinde tüm müşterilere açılması planlanıyor.

Fiyatlandırma ve kullanım bilgisi

  • Genel mod: Girdi $5 / 1M token, çıktı $25 / 1M token (Opus 4.7 ile aynı)
  • Fast Mode: Girdi $10 / 1M token, çıktı $50 / 1M token
  • Model adı: claude-opus-4-8

İlgili okumalar

11 yorum

 
jimmy2056 2026-05-29

Sürekli gereksiz uğraştırdığı için galiba stabil GPT daha iyi.
200$'lık Claude kullanıyordum, sonra GPT 100$ + Claude 100$'a geçtim.
Gelecek aydan itibaren Claude'a sadece 20$ harcamayı düşünüyorum. Nasıl olsa inceleme amaçlı, o kadar da çok gerekmiyor artık; yetmezse AGY'yi de ücretli kullanıyorum, onu kullanırım zaten haha
 
slowandsnow 2026-05-30

Peki Sonnet ile Haiku neden yüzüstü bırakılıyor? GPT ile rekabet etmeyi fazla mı düşünüyorlar?
 
jessyt 2026-05-29

fast mode varyantının eskisine göre 2,5 kat daha hızlı çalıştığı ve maliyetinin 3 kat daha ucuz olduğu söyleniyor.
 
hhcrux 2026-05-29

Claude aboneliğimi Pro’ya düşürüp GPT kullanıyordum; ama üzerinde çalıştığım bir şey olduğu için bir inceleme yaptırayım dedim, Pro kullanım hakkı 10 dakikada tamamen eriyip durdu.
Harikasın Claude!
 
dhkd63 2026-05-29

Sabah boyunca toplantı ya da ses kaydı düzenleme için kullandığım bir beceri vardı; bunu 4.8’de effort’u ultracode’a çevirip kullanınca düşündüğümden epey iyi geldi. Bana göre hissiyat olarak codex’e benzer bir eğilim gösteriyor. Token verimliliği hâlâ codex kadar iyi değil ama context window oldukça geniş ve workflow nedeniyle alt ajan ekranı da biraz değişmiş; bu kısmı da beğendim.
 
dunward 2026-05-29

4.7 gerçekten hissedilir düzeyde kullanması zor bir modeldi; umarım 4.8 düzelmiştir.
 
sixmen 2026-05-29

ChatGPT/Codex'e geçen çok kişi olduğu için, bunu da aceleyle çıkarmış olabileceklerini düşünmeden edemiyorum..
 
sea715 2026-05-29

/effort yazınca ortaya çıkan etki çok eğlenceli lol
 
codufdl 2026-05-29

Aşağıdaki Hacker News yorum çevirisindeki "alçakta duran meyve" ifadesinin ne olduğunu merak edip özgün metni aradım.
Özgün ifade low hanging juice to squeeze out of smaller models imiş.
Bunu, erişilmesi kolay pek çok fırsat var = daha küçük modellerden hâlâ kolayca çıkarılabilecek çok fazla potansiyel bulunuyor, şeklinde yorumlayabiliriz.
 
iolothebard 2026-05-29

Yeter artık, çok yedin be çocuk~
 
GN⁺ 2026-05-29
Hacker News yorumları

  • Anthropic’in en ileri seviye modelinde üçüncü küçük sürüm artışı sanırım ilk kez oluyor
    Burada 0.5’lik artışlar sıralı gelmedi ve performans sıçraması da büyük olduğu için bunları majör olarak görüyorum. Örneğin Sonnet 3.5 ve Opus 4.5 böyleydi
    Artık Opus 4.5 serisinin ardından 4.6, 4.7 ve 4.8 geldi; iddia edilen iyileşme miktarı da her birinde oldukça kademeli
    Bizzat kullandığım 4.6/4.7’de, 4.5’e dair hatırladıklarımla karşılaştırınca hangi yeteneklerin geliştiğini net biçimde seçemedim; hissiyat çok belirsiz olduğu için karar vermek zor
    Ya benim beklentim zaten doygunluğa ulaştı ya da model benden daha akıllı hale geldiği için artık ilerlemeyi hissedemiyorum; ya da tam tersine, bugünkü 4.7 iş akışını 4.5 ile çalıştırsam farkı hemen anlayacağım kadar kademeli bir gelişme vardır
    Laboratuvarın durumu da zor görünüyor. Daha güçlü bir ürün varsa onu yayınlayıp kullanıma açmalarını isterim, ama bu eğilim sürerse gerçek iyileşme olsa bile son kullanıcıya giderek daha az görünür hale gelebilir ve ödülü olmayan sık model değişimleri gibi hissedilebilir

    • Bir sonraki nesil en ileri seviye modelin sonuncu olması bile şaşırtıcı olmaz
      Küçük modellerde toplanabilecek alçakta asılı meyveler hâlâ birkaç basamak büyüklüğünde duruyor
      2-3 yıl içinde 60~90B modellerin kodlama işlerinde bugünkü en üst seviyeyi aşması neredeyse kesin görünüyor. Tasarım kesinleşmiş değil ve muhtemelen kolay da olmayacak
      Buna karşılık, 1.2T model eğitmeye değecek kadar anlamlı biçimde daha iyi olup olmayacağı çok daha belirsiz
      Akıl yürütme tarafında ise yakın zamanda açıklanan GRAM’a bakılırsa, küçük modellere eklenebilecek akıl yürütme iyileştirmesi alanı 4 basamak büyüklüğünde bile olabilir
      Google, OpenAI ve Anthropic birkaç gün içinde 30B GRAM tabanlı model eğitebilir ve bu model bugün 1T parametreyi aşan en iyi modellerden bile yerel akıl yürütmede daha iyi olabilir. Buna birkaç gün içinde yaklaşık 600B MoE modele ölçeklemek de eklenirse, genel dünya bilgisi açısından da en iyi modellere yetişebilir
      1T+ parametreli modeller bu kadar hızlı eğitilemiyor. GRAM’in pratikte ne kadar iyileştirme getireceği büyük değişken ama önemsiz ya da anlamsız çıkma ihtimali düşük görünüyor
      Büyük modeller zaten neredeyse her şeyi söyleyebiliyor. Ama LLM oldukları sürece her şeyi doğru bilemeyecekler
      Gemini’nin Ke$ha’nın boyunu ya da Brittney Spears’ın en son ne zaman hapse girdiğini doğru söylemesinden daha fazla ne çıkarılabilir, çok emin değilim
    • 4.7, çoğu kullanım alanında ilk kez önceki sürüm olan 4.6’ya geri dönmek zorunda kaldığım sürümdü. Umarım 4.8 bunu düzeltir
    • 4.5 ile 4.7 arasında programlama iş akışında anlamlı ya da fark edilir bir iyileşme hisseden var mı merak ediyorum
      Benim açımdan 4.5’ten sonra üretkenlik artışı, modelin kendisinden çok harness iyileştirmeleri ve bağlam penceresinin 200k’den 1M’e çıkmasından geldi. cc, cursor cli, codex, opencode gibi araçlarda bunu hissettim
      Modelin gerçek “saf” zekâsı ya da iyi karar verme becerisi 4.5’ten beri duraklamış gibi geliyor. 4.6 biraz daha iyi olabilir ama bunu 1M penceredeki bağlam içi öğrenme etkisinden ayırmak zordu; 4.7 ise bana ve iş arkadaşlarıma sanki muhakemesi geri gitmiş gibi geldi ve sürekli daha kötü, daha tembel kararlar verdi
    • Daha sık gelen kademeli sürümler, Anthropic’in maliyeti kontrol etmek ve kaynak tüketimini ayarlamak için kullandığı yeni özellikleri devreye almak için de olabilir
      Son kullanıcıya görünen yeni kontrol özelliklerinin arkasında, kullanıcı tipine göre meta düzeyde ayarlanabilen çok daha ayrıntılı iç alt kontroller olduğunu düşünüyorum
      Daha ince emek/çaba kontrolü, “dynamic workflow”, “fast mode” gibi hız kontrollerinden söz ediyorum. Bunlar kullanıcı özelliği gibi paketleniyor ama IPO sonrası çeyreklik raporlarda kilit metrikleri tutturmak için maliyet, marj, ARR, kullanıcı büyümesi ve kullanıcı tutma oranı arasında ayar yapan arka uç kolları gibi de görünüyor
    • Bizim testlerimizde 4.5/4.6 aşağı yukarı benzerdi. Opus 4.7 daha akıllı ama çeşitli karakter sorunları nedeniyle üründe kullanmak zor
      Şimdiye kadar Opus 4.8 de o yöne gidiyor gibi görünüyor. Kullanılamayacak kadar yavaş, ama bu çıkış günü dağıtım sorunlarından kaynaklanıyor olabilir. Opus 4.8’in tam testi hâlâ sürüyor
      Veriler https://gertlabs.com/rankings adresinde

  • “Kullanıcılar Opus 4.8’i önceki sürüme kıyasla kademeli ama hissedilir bir iyileşme olarak görecek” yaklaşımı taze geldi
    Web arayüzünde adaptive thinking özelliğinin kapatılabildiğini de gördüm; bu iyi olmuş. Çünkü thinking çalışmadığında model çıktısının berbat hale geldiği çok oluyordu
    Nihayet kapatılabiliyor olması sevindirici. Gerçi en başından beri kapatılabiliyorsa biraz utanç verici olur

    • O anahtar sanırım hep vardı ama kapatınca istenen davranış elde edilmiyor. thinking’i tamamen devre dışı bırakıyor
    • Taze ama bu kez o ifade hatta yetersiz bile kalıyor olabilir
      Ben daha çok web araştırmasına bakıyorum; Opus 4.7, BrowseComp’ta Opus 4.6’ya göre gerilemişti ve gerçek kullanımda da öyleydi
      Opus 4.8 ise 4.7’den de 4.6’dan da çok daha iyi ve sohbet botlarında web araması temel kullanım alanlarından biri
    • Bu küçük sürümler kullanıcıları daha kademeli güncelleme döngüsüne alıştırma çabası mı diye düşündürüyor
      Diğer model sağlayıcıları x ayda bir büyük güncelleme yapıyor ama biz x/2 ayda bir kademeli güncelleme yapıyoruz gibi
    • 4.6’dan 4.8 extra’ya modeli değiştirirken Adaptive’i kapatmaya çalışınca galiba sahte bir hataya denk geldim ama tekrar deneyince amaçlandığı gibi çalışıyor gibiydi
      Benim için daha önemli olan, CC’nin thinking ile ilgili 4.6 “özel” bayrağına nasıl tepki verdiği; şu an ayarlarımın üstüne yazmıyor gibi görünüyor
    • Web arayüzünün daha iyi olmasını ummuştum. Değerler açısından Anthropic’i OpenAI’den daha çok sevdiğim için ürününü kullanmak istiyorum ama thinking modundaki ChatGPT, claude.ai’den çok daha iyiydi
      Bu değişiklikle benzer seviyeye gelmesini umuyordum ama bizzat deneyince hâlâ öyle olmadığını gördüm
      ChatGPT’nin basitçe arayıp gerçeği doğrulayarak yanıtlayacağı sıradan olgusal sorularda Claude, yeni model ve thinking high ile bile “Güzel soru!” deyip tamamen uydurma cevaplar veriyor. GPT gibi kendi başına arama gerektiğini fark etmiyor; temel gerçeklerde bile açıkça arama yapması söylenmeli

  • “Opus’tan daha yüksek zekâya sahip yeni bir model türü yayımlamayı planlıyoruz” diyen Claude Mythos Preview kısmı, 4.8 sürümünden daha ilgi çekici görünüyor.
    Project Glasswing’in bir parçası olarak az sayıda kuruluş bunu siber güvenlik işleri için kullanıyormuş ve bu seviyedeki bir modelin genel kullanıma açılmadan önce daha güçlü siber güvenlik önlemlerine ihtiyaç duyduğu söyleniyor.

    • “Daha ilgi çekici” olmasından ziyade, “Mythos o kadar tehlikeli ki halka erişim veremeyiz” türü, kendi kendini üreten kötü haber anlatısının Dario’ya özgü bir pazarlama taktiği olduğuna dair yaygın bir şüphe var.
      IPO’nun yaklaşıyor olması da kamuya açık açıklamalarına açıkça yansıyacaktır. Adil olmak gerekirse bu aynı zamanda onun sorumluluğu da.
      Modelin gecikme sebebi “onu güvenli hâle getiriyoruz” değil de, “bunu büyük ölçekte ya da maliyet açısından verimli biçimde nasıl barındıracağımızı bilmiyoruz” olabilir.
      GPT 5.5’in açık bulma konusunda zaten Mythos kadar yetkin göründüğü söyleniyordu.
      Son olarak, uzman olmayanlar model performansında harness’in önemini çok küçümsüyor. OpenHands, Claude Code’dan çok daha önce vardı ama Claude Code akıllı orkestrasyon yöntemi sayesinde oyunu değiştirdi. Mythos da basitçe bir modelden fazlası olabilir.
    • Görünüşe göre bununla Claude Pro’daki en büyük modele erişim hakkını geri alacaklar. Opus’tan daha büyük bir model kullanmak için en azından Claude Max aboneliği gerekecek gibi duruyor.
    • Bundan daha da ilginç olan kısım, “Opus’a benzer birçok yetenek sunarken daha düşük maliyetli modeller geliştirip yayımlıyoruz” ifadesi.
      Şu anki Çinli rakip modellerle karşılaştırıldığında Sonnet ve Haiku, fiyat/performans açısından epey geride kalmış gibi görünüyor.
    • Opus 4.7 sürüm notlarında siber güvenlik yeteneklerinin kasıtlı olarak düşürüldüğü söylenmişti: https://www.anthropic.com/news/claude-opus-4-7
      O hâlde Mythos için de aynı şeyi yapıyor olabilirler ve bizim alacağımız Mythos bu yönü zayıflatılmış bir sürüm mü olacak diye düşündürüyor.
      Daha doğrusu, Mythos’un iki sürüme ayrılması ve korkutucu olan tarafın hâlâ çok sayıda evrak süreci gerektirmesi muhtemel görünüyor.
    • Bu, milyarder ya da onlarca milyar dolarlık bir şirket değilseniz, ancak kısıtlanmış ve zayıflatılmış bir Claude Code slash komutu olan /mythos-security-audit gibi şeylere erişebileceğiniz ima ediliyormuş gibi görünüyor.
      Umarım sıradan insanlar bu şekilde erişimden dışlanmaz.

  • Hem thinking level low hem de high için bisiklete binen pelikan oluşturdum.
    https://gist.github.com/simonw/68560eddb0b268a8417f80ceb7304dc6?permalink_comment_id=6172953#gistcomment-6172953
    high sonucu belirgin şekilde daha iyi. low’dan farklı olarak bisiklet kadrosunun biçimi doğru.
    Karşılaştırma için Opus 4.7 sonucu burada: https://gist.github.com/simonw/afcb19addf3f38eb1996e1ebe749c118?permalink_comment_id=6104087#gistcomment-6104087

  • Ön cephe modelleri için sevdiğim kodlama benchmark’ı, tek bir dosyada (js/html/css) basit bir gerçek zamanlı strateji oyunu yaptırmak
    ultracode modundaki Claude Code + Opus 4.8 bunu gerçekten başardı ve şimdiye kadarki en iyi sonuç buydu
    https://bsky.app/profile/senko.net/post/3mmwnrkwboc2v
    Prompt şuydu: “Eski WarCraft, StarCraft, Command & Conquer gibi basit ama çalışan bir RTS oyunu yap. Oyuncu bina kurabilmeli, birim üretebilmeli, kaynak toplayabilmeli ve tüm haritayı açabilmeli. AI veya çok oyunculuya gerek yok. Basit ama hoş görünen grafikler kullan. Ses yok. Her şeyi HTML/CSS/JS ile uygula ve tek dosya yap. CDN üzerinden üçüncü taraf js/css kütüphaneleri veya framework’leri kullanılabilir.”

    • Bunun için bir test sıralama tablosu gibi bir şey var mı merak ediyorum. Opus 4.8 ile GPT 5.5’e 100 üzerinden puan verecek olsanız kaçar puan verirdiniz?
    • Kod neredeyse minify edilmiş kod gibi görünüyor. Değişken adları kısa ve boşlukları en aza indirmeye çalışan bir tarzı var; bunu kendisi mi böyle sıkıştırılmış biçimde yazdı?
    • Prompt’u da paylaştığın için faydalı olmuş. Ben de Claude’a benzer şeyler yaptırarak test ediyordum
      Görsel stilin bana yaptırdıklarımla epey benzer olması da ilginç
    • Bu benchmark hoşuma gitti. Ortaya çıkanları GitHub Pages’e koyarsan insanlar oyunu kendileri deneyebilir
    • Böyle benchmark uygulamaları koleksiyonunu nerede tuttuğunu merak ediyorum. Özellikle bu tür kullanım durumlarında modeller arasındaki göreli maliyet farkını görmek isterdim

  • Birilerinin bu sürümleri tarayıp başka şirketlerin kendi modellerini havalı göstermek için seçmiş olabileceği rastgele metrikleri cherry-pick edip etmediğini merak ediyorum
    Sanki 8 milyon benchmark varmış gibi geliyor. Her sürümde her model 5-10 tanesini rastgele seçip bir tanesi hariç hepsini kazanmış gibi gösteriyor; sanki benchmark’lar arasından kendi lehine olanları rastgele seçip cherry-pick etmemiş gibi davranıyorlar

    • https://arena.ai/leaderboard bana oldukça iyi bir sıralama sağlayıcısı gibi geliyor
      Tam metodolojisini bilmiyorum ama Claude/GPT modelleriyle günlük programlama yaparken verdikleri sonuçlar niteliksel hissiyatımla örtüşüyordu
    • Bu sefer sadece 6 metrik koymaları ilginç. Opus 4.7’de 12, 4.6’da 13 vardı
      4.7’de raporlanan metriklerden 4.8’de BrowseComp, CharXiv Reasoning, CyberGym, GPQA Diamond, MCP Atlas, MMMLU ve SWE-bench Verified çıkarılmış. Son 4’ü önceki Opus sürümlerinde neredeyse hep anılıyordu
    • Tüm benchmark’lara biraz süzgeçten geçirerek bakmak gerekir. Ben çok kullanmıyorum
      “%5 daha akıllı” tam olarak ne demek? Benim kullanım deneyimim farklı olacaktır. En iyisi gidip doğrudan kendin denemek
      Anthropic’in içeride belirli benchmark’ları iyileştirmeyi hedeflediğini sanmıyorum. Bu daha çok ilerlemeyi görselleştirme biçimi; içeride muhtemelen çok daha karmaşık metrikler vardır
    • Bununla bağlantılı olarak, tüm benchmark’ları tek bir büyük ızgarada toplayan bir benchmark toplayıcısı var mı diye merak ediyorum
    • En azından OpenAI gibi rakibi yokmuş gibi davranmayıp, her benchmark’ta rakip modelleri de gösteriyorlar

  • İlk ArtificialAnalysis.ai sonuçlarına göre GPT 5.5 hâlâ fiyat/performans açısından daha iyi görünüyor
    OpenAI görev çözümünde yaklaşık %50 daha az çıktı token’ı kullanıyor
    https://artificialanalysis.ai/?intelligence=coding-index&intelligence-efficiency=intelligence-efficiency-vs-output-tokens&models=gpt-5-5%2Cgpt-5-5-pro%2Cgemini-3-1-pro-preview%2Cclaude-opus-4-8%2Cclaude-opus-4-7%2Cnvidia-nemotron-3-super-120b-a12b

    • Codex’i her yeni sürüm çıktığında deniyorum ama bana uymuyor. O yüzden bu herkes için geçerli bir şey değil
      Claude’un çok daha pahalı hâle gelmesi gerekirdi ki değiştireyim

  • Sistem kartının 102. sayfasında yaratıcı ustalık değerlendirmesini görmek sevindiriciydi
    Bizim işte birkaç ön cephe yapay zekaya ihtiyaç duyulan API’yi tasarlamalarını istedik ve Opus 4.7 ile GPT-5.5 gibi modelleri karşılaştırdık. Opus 4.7 en yaratıcı ve en zeki API tasarımını ortaya koydu; özellikle GPT-5.5’in çeşitli kodlama benchmark’larında önde olduğu bir dönemde bu hoş bir sürprizdi
    “Yaratıcılık” ve “özgünlük” için ortak bir benchmark olmadığını fark ettim; hatta böyle bir benchmark bazı açılardan yaygın IFBench ile çelişebilir de
    Yine de sistem tasarımında bu çok önemli bir yetenek. Anthropic’in buna önem vermesi sevindirici, umarım diğer modellerin de karşılaştırılabileceği açık benchmark’lar çıkar
    https://cdn.sanity.io/files/4zrzovbb/website/c886650a2e96fc0925c805a1a7ca77314ccbf4a6.pdf

    • Benim hissiyatıma göre de 4.6, 4.7’den daha iyi bir kodlayıcı gibi. 4.7 stratejik düşünmede çok daha iyi ve 5.5’ten genel olarak daha iyi bir mimari sezgiyi koruyor
      5.5 kodlamada ikisinden de çok daha iyi ama daha pahalı. Bu yüzden 4.7 planlama/mimari yapıyor, 4.6 kodluyor, sonra 5.5 eleştirip düzeltiyor
    • Ben de benzer hissediyorum. Planlama, strateji, mimari gibi işlerde Opus 4.7, GPT-5.5’ten çok daha iyi
      GPT talimat alıp aynen uygulayan bir robot gibi; Opus ise bazen gerçekten iyi fikirler üreten ve kötü fikirlere itiraz da eden, neredeyse insan gibi hissettiriyor
      Bu yüzden şu anda planlama/mimari/stratejiyi Opus’a, saf kodlamayı GPT’ye ayırıyorum
      Ajan tarzı kodlamada GPT’nin kullanabildiği token payının daha yüksek olması da yardımcı oluyor

  • Ne yazık ki bu backend sürümü ya da yeni CC versiyonu yüzünden Claude Code tamamen bozulmuş gibi görünüyor
    “thinking blocks düzenlenemez” hatası, uzun süre çalışan oturumları kullanılamaz hale getiriyor: https://github.com/anthropics/claude-code/issues?q=is%3Aissue%20state%3Aopen%20blocks%20modified

    • Bu sorun 4.7'nin stable branch'inde de yaşanıyordu
      Claude'a oturumu kullanılamaz hale gelmekten kurtaran bir recovery script'i yazdırarak çözdüm ama ortama göre değişebilir
      https://gist.github.com/robertfw/993dbe8643c4fbdf12005dff2eca1f90
    • CC güncellemeleri sanki yayınlanmadan önce test edilmiyor. Ürünü kullanan iç ekipler ya da herkese açık geri bildirimler test işlevi görüyor
    • Yardımcı olur mu bilmiyorum ama bazı hafif vakalarda /rewind ile toparlayıp devam edebildim
    • Bende de aynı. Yeni modeli rollout ettikleri anda bunun olması pek iyi görünmüyor
    • Claude ile çalışmanın cazibesinin bir parçası bu. Yeni bir şey çıkardıklarında senin her şeyin bozuluyor

  • Benim testlerimde Opus 4.8 biraz daha kötü ve Opus 4.7'den neredeyse 2 kat daha pahalı
    Veri çıkarma testinde başarısız olması şaşırtıcıydı. 3 denemenin 2'sinde doğru yapıyor ama birinde bazı değerleri rastgele null olarak döndürüyor
    Trivia/alan-özgü bilgi işlerinde daha çok tökezlemesini bir yere kadar anlayabiliyorum. Modeller sanki genel zekadan çok ajan tipi kullanım senaryolarına doğru giderek daha fazla eğitiliyor
    https://aibenchy.com/compare/anthropic-claude-opus-4-7-medium/anthropic-claude-opus-4-8-medium/

    • Her şey nedense 2 kat gibi. Maliyet 2 kat, ortalama yanıt süresi 2 kat, akıl yürütme ve çıktı token'ları 2 kat
      Test harness'ini tekrar kontrol ediyorum ama bunu gösteren ilk model bu olduğu için sorunun benden kaynaklanma ihtimali düşük görünüyor
      Düzenleme: Harness doğru görünüyor ve saf kodlama işlerinde performans aynı: https://i.snipboard.io/5xbpzY.jpg
    • Blog yazısında fiyatın 4.7 ile aynı olduğu yazmıyor mu?
      “Claude Opus 4.8 is available everywhere today. Pricing for regular usage is unchanged from Opus 4.7: $5 per million input tokens and $25 per million output tokens. Pricing for fast mode is $10 per million input tokens and $50 per million output tokens.”
      2 kat maliyeti nerede gördüğünü merak ediyorum
    • Yeni model çıkışı, fiyat artırmanın yeni yolu oldu haha