Anthropic
Claude Opus 4.8
Claude Opus 4.8 — модель Anthropic для сложных рассуждений, длительного программирования с агентами и автономных задач. По умолчанию не показывает содержание рассуждений; параметр display=summarized включает их краткое изложение.
- Вход
- 633,00 ₽
- Выход
- 3 165,00 ₽
- Кэш
- 63,30 ₽
- Интеллект
- 41,8
- Код
- 74,3
- Доступность
- 100%
anthropic/claude-opus-4.8Данные каталога получены .
Цена
- Текстовый диалог · вход
- 633,00 ₽ / 1 млн токенов
- Текстовый диалог · выход
- 3 165,00 ₽ / 1 млн токенов
- Текстовый диалог · вход из кэша
- 63,30 ₽ / 1 млн токенов
Цена указана в рублях для выбранной операции и её параметров.
Перед оплачиваемым запросом создаётся резерв. Итоговый расход привязан к сохранённым параметрам и тарифу запроса. При неизвестном результате резерв удерживается до проверки; такой запрос не следует повторять с новым идентификатором.
О модели
Claude Opus 4.8 — модель Anthropic для сложных рассуждений, длительного программирования с агентами и автономных задач. По умолчанию не показывает содержание рассуждений; параметр display=summarized включает их краткое изложение. Разработчик: anthropic. Вход: текст, изображения. Выход: текст. Контекст: 200000 токенов. Максимальный ответ: 32000 токенов.
- Релиз
Характеристики
- 7 октября: 100%100%7 октября
- 8 октября: 100%100%8 октября
- 9 октября: 100%100%9 октября
- Тип модели
- Текст
- Вход модели
- Текст, Изображения
Данные, которые модель принимает вместе с запросом.
- Выход модели
- Текст
Форматы результата, которые создаёт модель.
- Контекстное окно
- 200 000 токенов
Контекстное окно по данным каталога. Лимит ответа и допустимый объём запроса проверяйте отдельно.
- Максимальный ответ
- 32 000 токенов
Максимальный размер ответа по данным каталога. Фактический предел запроса зависит от подключённой операции.
- Операции
- Текстовый диалог, Понимание изображений
- Возможности модели
- Потоковый ответ, Понимание изображений, Рассуждения, Вызов инструментов, Вызов функций, Структурированный ответ, Ответ в JSON, Входные изображения
Контрольные показатели
Artificial Analysis
22 показателей · проверено
- Индекс интеллекта
- 41,8 индексСводная оценка Artificial Analysis по всем её тестам
- Индекс программирования
- 74,3 индексСводная оценка Artificial Analysis по программированию
- Индекс агентных задач
- 41,9 индексСводная оценка Artificial Analysis по агентным задачам
Агентная работа
- AA-Briefcase1 321 Elo
Агентная работа со знаниями (Elo)
- AutomationBench-AA45,6 %
Автоматизация рабочего процесса со штрафами за нарушение ограничений
- GDPval-AA v21 438 Elo
Экономически значимые задачи (Elo)
- Harvey LAB-AA91,1 %
Доля пройденных критериев юридической агентной работы
Рассуждение по документу
- AA-LCR v1.177,7 %
Рассуждение на длинном контексте с обновлённой оценкой
- GDP.pdf22,8 %
Профессиональное рассуждение по PDF: доля прохождения всех проверок
Устаревшие тесты
- AA-LCR (версия не указана, архивный)77,7 %
Оценка рассуждений на длинном контексте
- GDPval-AA (версия не указана, архивный)46,9 %
Задачи с экономической ценностью
- GPQA Diamond (архивный)92 %
Научные рассуждения уровня выпускника
- T²-Bench Telecom (архивный)94,4 %
Разговорные ИИ-агенты в сценариях с двойным управлением
- Terminal-Bench Hard (архивный)58,3 %
Агентное программирование и работа в терминале
Знания
- AA-Omniscience · точность48,8 %
Доля вопросов с правильным ответом
Знание
- AA-Omniscience · доля выдуманных ответов (меньше лучше)39,3 %
Доля неверных ответов среди некорректных ответов
Рассуждение
- CritPt20,9 %
Рассуждения по физике исследовательского уровня
- IFBench62,2 %
Тест на следование инструкциям
Рассуждения
- HLE48,7 %
Humanity’s Last Exam — вопросы экспертного уровня
Документ: рассуждение
- MLCR-AA45,6 %
Медицинское рассуждение на длинном контексте
Программирование
- SciCode54,4 %
Программирование на Python для научных вычислений
- Terminal-Bench v4.021,7 %
Практические задачи по программированию и работе в терминале
Design Arena
24 показателей · проверено
Рейтинг Elo и доля побед в попарных сравнениях, оценённых людьми
Агентные системы
- Разработка игр агентами · Elo1 238 Elo
- Разработка игр агентами · доля побед55,8 %
- Полный цикл разработки · Elo1 249 Elo
- Полный цикл разработки · доля побед55,4 %
- Мобильные приложения · Elo1 251 Elo
- Мобильные приложения · доля побед56,2 %
- Нативные приложения · Elo1 247 Elo
- Нативные приложения · доля побед56,4 %
- Веб-приложения · Elo1 230 Elo
- Веб-приложения · доля побед51,5 %
Модели
- 3D · Elo1 241 Elo
- 3D · доля побед52,1 %
- ASCII-графика · Elo1 291 Elo
- ASCII-графика · доля побед62,6 %
- Визуализация данных · Elo1 251 Elo
- Визуализация данных · доля побед53,1 %
- Разработка игр · Elo1 275 Elo
- Разработка игр · доля побед53,4 %
- SVG · Elo1 201 Elo
- SVG · доля побед52,5 %
- UI-компоненты · Elo1 265 Elo
- UI-компоненты · доля побед53,8 %
- Сайты · Elo1 264 Elo
- Сайты · доля побед53,2 %
Оценки относятся к этой версии модели и методике источника. Качество и скорость конкретного запроса они не гарантируют.
API-запрос
Операция доступна через API. Ключ храните в переменной окружения на своём сервере. REQUEST_ID: уникальный идентификатор запроса. При повторе сохраняйте его и тело запроса.
import json
import os
from urllib.request import Request, HTTPRedirectHandler, build_opener
class NoRedirect(HTTPRedirectHandler):
def redirect_request(self, req, fp, code, msg, headers, newurl):
return None
opener = build_opener(NoRedirect)
def post(url, payload):
request = Request(url, data=json.dumps(payload).encode("utf-8"), headers={
"Authorization": "Bearer " + os.environ["KVANTORA_API_KEY"],
"Content-Type": "application/json",
"Idempotency-Key": os.environ["REQUEST_ID"],
}, method="POST")
with opener.open(request, timeout=120) as response:
return json.load(response)
payload = {
"model": "anthropic/claude-opus-4.8",
"messages": [
{
"role": "user",
"content": "Объясни задачу кратко."
}
]
}
print(post("https://api.kvantora.ai/v1/chat/completions", payload))





