Claude Opus 4.8: nový top model pre agentov, kódovanie a dlhý kontext
Claude Opus 4.8 vyšiel 28. mája 2026 a zaslúži si samostatný článok. Nie preto, že každý nový model automaticky znamená revolúciu, ale preto, že tu Anthropic cieli na veľmi praktické miesto: dlhé agentické úlohy, coding, research, prácu s nástrojmi a situácie, kde je lepšie zastaviť sa a priznať neistotu, než sebavedomo pokračovať zlým smerom.
Krátka verzia: Opus 4.8 nie je model, ktorý by som dal ako predvolený motor do každého lacného workflow. Na hromadné triedenie e-mailov, jednoduché extrakcie, tagovanie leadov alebo rutinné JSON transformácie je zbytočne drahý. Ale ak staviate agenta, ktorý má prejsť väčšiu codebase, naplánovať zmenu, použiť nástroje, porovnať zdroje, držať kontext a neprepáliť rozhodnutie, začína byť veľmi zaujímavý.
Čo je na Opus 4.8 nové
Anthropic v oficiálnom oznámení píše, že Opus 4.8 nadväzuje na Opus 4.7, zlepšuje výkon naprieč benchmarkmi a je dostupný za rovnakú štandardnú cenu. K tomu pridáva tri praktické veci:
- riadenie množstva úsilia v Claude.ai,
- nový režim dynamic workflows v Claude Code pre veľmi rozsiahle úlohy,
- fast mode pre Opus 4.8, ktorý má podľa Anthropic bežať až 2,5× rýchlejšie a byť výrazne lacnejší než fast mode pri predchádzajúcich modeloch.
V API dokumentácii je Opus 4.8 uvedený ako dostupný Claude model. Aktuálny prehľad Anthropic ho necháva v cenovej triede Opus: 15 dolárov za milión vstupných tokenov a 75 dolárov za milión výstupných tokenov. To je dôležité. Toto nie je lacná náhrada za Haiku alebo Sonnet vrstvu. Je to špecialista.
Najväčší posun: agentická práca
Najzaujímavejšia časť nie je samotná tabuľka benchmarkov. Je to správanie, ktoré Anthropic opisuje v reálnych agentických scenároch.
Pri Opus 4.8 Anthropic opakovane zdôrazňuje lepší úsudok: model sa má častejšie zastaviť, spýtať sa, priznať chybu alebo odmietnuť plán, ktorý nedáva zmysel. Znie to mäkko, ale pri agentoch je to tvrdá prevádzková vlastnosť.
Keď model len píše odpoveď do chatu, zlý odhad je nepríjemný. Keď agent upravuje repozitár, spúšťa nástroje, mení dáta alebo beží cez noc v dlhej slučke, zlý odhad stojí peniaze a čas. Model, ktorý vie povedať „tu si nie som istý“ alebo „tento plán je slabý,“ môže byť v praxi cennejší než model s o pár percent lepším výsledkom na jednorazovej otázke.
Benchmarky: kde je silný
V systémovej karte Anthropic sú pri Opus 4.8 uvedené hlavne silné výsledky v codingu, dlhom kontexte, agentickom vyhľadávaní, práci s nástrojmi a profesionálnych úlohách.
Vybrané čísla:
| Oblasť | Výsledok Opus 4.8 | Poznámka |
|---|---|---|
| SWE-bench Verified | 88,6 % | reálne GitHub issues |
| SWE-bench Pro | 69,2 % | ťažšie dlhé coding úlohy |
| SWE-bench Multilingual | 84,4 % | 300 úloh v 9 jazykoch |
| Terminal-Bench 2.1 | 74,6 % | úlohy v termináli, Harbor leaderboard |
| Toolathlon | 59,9 % Pass@1 | práca s nástrojmi v realistických aplikáciách |
| OSWorld-Verified | 83,4 % | ovládanie desktopového prostredia |
Dôležité: väčšina týchto čísel je zo systémovej karty Anthropic alebo z evaluácií opísaných Anthropic. Ako nezávislý bod je zaujímavý GDPval-AA od Artificial Analysis, kde podľa systémovej karty Opus 4.8 vedie nad GPT-5.5 xhigh približne o 121 ELO bodov, čo zodpovedá asi 66,7% párovej výhre. To je typ benchmarku, ktorý ma zaujíma viac než abstraktné trivia testy: dokumenty, tabuľky, prezentácie, diagramy a profesionálne výstupy.
1M kontext: užitočné, ale nie magické
Opus 4.8 sa v systémovej karte často testuje s limitom až 1M tokenov. Na GraphWalks dlhokontextových úlohách je viditeľný posun oproti 4.7:
| GraphWalks | Opus 4.8 | Opus 4.7 |
|---|---|---|
| BFS 256K | 85,9 | 76,9 |
| BFS 1M | 68,1 | 40,3 |
| Parents 256K | 99,3 | 93,6 |
| Parents 1M | 83,3 | 56,6 |
To neznamená, že máte hádzať milión tokenov do každého requestu. Znamená to, že sa posúva hranica toho, čo sa dá riešiť v jednom agentickom behu: väčšie codebase, dlhé právne alebo technické dokumenty, audit väčšieho projektu, komplexný research cez mnoho zdrojov.
Dobrý návrh workflow je stále dôležitý. Aj s 1M kontextom by som nechal retrieval, deduplikáciu, medzivýstupy, kontrolné body a ľudské schválenie pri rizikových akciách.
Dynamic workflows: kedy ich naozaj zapnúť
Tomášovo čerstvé video k Dynamic Workflows dobre vystihuje praktickú pointu: toto nie je len ďalší prepínač výkonu. Dynamic workflows v Claude Code znamenajú, že Claude môže úlohu najprv naplánovať, rozdeliť ju medzi desiatky až stovky paralelných subagentov, nechať časti nezávisle overiť a až potom výsledok zložiť späť.
Podľa oficiálneho článku Anthropic sú workflows dostupné od 28. mája 2026 ako research preview v Claude Code CLI, desktopovej aplikácii a VS Code rozšírení pre Max, Team a Enterprise plány, ak ich povolí admin. V Max/Team prostredí a cez API sú zapnuté predvolene, pri Enterprise sú pri štarte vypnuté a musí ich povoliť správca.
Prakticky by som ich spúšťal hlavne pri úlohách, ktoré sa dajú prirodzene rozdeliť:
- veľký bug hunt naprieč celým repozitárom,
- migrácia frameworku alebo API cez stovky súborov,
- audit mŕtveho kódu, performance alebo bezpečnostných vzorov,
- refaktoring, kde chcem nezávislú kontrolu viacerých návrhov,
- drahá úloha, pri ktorej sa oplatí výsledok rozbiť a znova overiť.
Naopak by som ich nepúšťal na malé zmeny typu „uprav jednu komponentu,“ jednoduchý prompt alebo rutinnú opravu. Anthropic priamo upozorňuje, že dynamic workflows môžu spotrebovať výrazne viac tokenov než bežná Claude Code session. Prvý workflow má používateľovi ukázať, čo sa chystá spustiť, a vyžiadať potvrdenie. Pre tímy je to dobrý dôvod nastaviť rozpočty, začínať na jasne ohraničenej úlohe a nepoužívať ‚ultracode‘ ako automatickú odpoveď na každý problém.
Moje pravidlo: dynamic workflow zapnúť vtedy, keď by ste normálne rozdelili prácu medzi viac ľudí alebo reviewerov. Ak by to zvládol jeden vývojár v jednom súbore, je to pravdepodobne zbytočne drahé kladivo.
Kde by som ho použil
1. Seniorný coding agent
Väčší repozitár, netriviálny bug, niekoľko služieb a agent, ktorý musí najprv pochopiť systém. Opus 4.8 dáva zmysel ako model pre plánovanie a zásah: prečítať súvislosti, navrhnúť postup, vyhodnotiť riziká, urobiť zmenu a vysvetliť ju.
Na rutinné dopisovanie boilerplatu by som ho nepoužil. Tam stačí lacnejší model.
2. Research agent s nástrojmi
Keď agent vyhľadáva, otvára zdroje, porovnáva tvrdenia, píše záver a musí odlíšiť overené fakty od odhadov, Opus 4.8 je dobrý kandidát. Tu sa hodí lepší úsudok aj ochota priznať neistotu.
Presne takúto vrstvu by som použil na finálnu syntézu po lacnejšom zbere dát.
3. Drahé rozhodnutie vo workflow
Príklad: automatizácia spracuje faktúru, zmluvu alebo technický incident. Lacnejší model urobí prvú extrakciu a kontrolu. Opus 4.8 príde až vo chvíli, keď je prípad nejasný, drahý alebo citlivý.
Takto dáva ekonomický zmysel: nie ako default, ale ako eskalačný špecialista.
4. Kontrola práce iných agentov
V multi-agent systémoch je Opus 4.8 zaujímavý ako reviewer. Lacnejší agenti pripravia návrhy, Opus 4.8 ich skontroluje, nájde slabé miesta, vyberie najlepšiu variantu a označí, kde má rozhodnúť človek.
Kde by som bol opatrný
Cena
Trieda Opus je drahá. Ak workflow volá model tisíckrát denne, musí byť veľmi jasné, prečo tam má byť práve Opus. Inak účet rýchlo narastie.
Fast mode nie je automatická výhra
Fast mode znie výborne, ale v praxi by som ho testoval samostatne. Pri niektorých úlohách chcete rýchlosť. Pri iných maximálnu spoľahlivosť. Ak agent robí drahú zmenu v kóde alebo záver z právnych dokumentov, rýchlosť nemusí byť hlavná metrika.
Multilingual nie je absolútna špička
Systémová karta hovorí, že Opus 4.8 je najsilnejší všeobecne dostupný Claude model v multilingual benchmarkoch, ale zároveň zaostáva za Gemini 3.1 Pro a GPT-5.4. Pre český alebo slovenský obsah by som ho určite testoval, ale pri veľkoobjemovej lokalizácii by som ho nebral automaticky ako najlepšiu voľbu.
Agentická bezpečnosť
Anthropic uvádza zlepšenia v niektorých bezpečnostných oblastiach, ale zároveň priznáva, že Opus 4.8 je v niekoľkých agentických kontextoch menej robustný než Opus 4.7, napríklad pri prompt injection scenároch. Pre produkčných agentov to znamená klasiku: sandbox, obmedzené oprávnenia, logovanie, limity, kontrolné body a ľudské schválenie pri nevratných akciách.
Ako by som ho nastavil
Rozumná architektúra podľa mňa nie je „všade Opus 4.8.“ Skôr tri vrstvy:
1. Lacný model na rutinu: klasifikácia, tagovanie, jednoduchá extrakcia, normalizácia dát. 2. Sonnet alebo podobne silná stredná vrstva na bežné generovanie, štruktúrované výstupy a štandardné agentické kroky. 3. Opus 4.8 na nejasné, drahé, dlhé alebo rizikové prípady.
V prompte by som mu dal jasnú povinnosť rozlíšiť: čo vie, čo len odhaduje, čo potrebuje overiť a kedy má zastaviť. Pri agentoch by som pridal rozpočet, checklist a pravidlo, že pri deštruktívnych akciách musí najprv navrhnúť plán.
Verdikt
Claude Opus 4.8 je silný release. Nie kvôli marketingovej nálepke „nový model,“ ale preto, že posúva oblasti, ktoré dnes brzdia praktických AI agentov: dlhý kontext, coding, tool use, profesionálne úlohy a schopnosť nesprávať sa ako sebavedomý buldozér.
Do bežnej automatizácie by som ho nedal plošne. Do drahej rozhodovacej vrstvy, seniorného coding agenta alebo finálnej research syntézy áno. Tam môže dávať veľký zmysel aj napriek cene.