एंथ्रोपिक ने आज आधिकारिक तौर पर बड़े पैमाने के भाषा मॉडल क्लाउड ओपस 4.8 की नवीनतम पीढ़ी जारी की, जो कोड पीढ़ी, बहु-विषयक तर्क, स्वचालित कंप्यूटर संचालन, ज्ञान कार्य और वित्तीय विश्लेषण जैसे "एजेंट" कार्यों में अपने प्रदर्शन को बढ़ाने पर केंद्रित है। इसे आधिकारिक तौर पर "अधिक कुशल सहयोग भागीदार" के रूप में वर्णित किया गया है। परीक्षण में भाग लेने वाले उपयोगकर्ताओं ने बताया कि जटिल एजेंट कार्यों को करते समय ओपस 4.8 ने अधिक विश्वसनीय प्रदर्शन किया और तेज निर्णय लिए, साथ ही ईमानदारी में महत्वपूर्ण सुधार भी दिखाया।
एंथ्रोपिक ने कहा कि प्रारंभिक परीक्षण के नतीजे बताते हैं कि ओपस 4.8 सक्रिय रूप से अपनी अनिश्चितताओं को चिह्नित करने और कम निराधार दावे करने की अधिक संभावना है। आंतरिक मूल्यांकन डेटा से पता चलता है कि पिछले संस्करण की तुलना में, ओपस 4.8 में स्व-निर्मित कोड में त्रुटियों को अनदेखा करने की संभावना लगभग चार गुना कम है, जिसका अर्थ है कि कोड समीक्षा और गुणवत्ता नियंत्रण में मॉडल की "स्व-सुधार" क्षमता में काफी वृद्धि हुई है।
संरेखण परीक्षण में, ओपस 4.8 ने उपयोगकर्ताओं के स्वतंत्र निर्णय लेने में सहायता करने और उपयोगकर्ताओं के सर्वोत्तम हितों और अन्य "सामाजिक-समर्थक विशेषताओं" की सुरक्षा के मामले में एक नई ऊंचाई तय की। इसके विपरीत, "बेमेल व्यवहार" जैसे कि अंतर्निहित धोखे, भ्रामक व्यवहार आदि की घटना ओपस 4.7 की तुलना में कम है और क्लाउड मिथोस पूर्वावलोकन मॉडल के समान स्तर पर है जो पहले केवल कुछ ही संस्थागत परीक्षणों के लिए खुला था।
एंथ्रोपिक ने कई सार्वजनिक बेंचमार्क परीक्षणों में भी विशिष्ट परिणाम दिए हैं: ओपस 4.8 ने सॉफ्टवेयर इंजीनियरिंग बेंचमार्क एसडब्ल्यूई‑बेंच प्रो पर 69.2% का स्कोर हासिल किया, और जीपीटी‑5.5 और जेमिनी 3.1 प्रो जैसे प्रतिस्पर्धी मॉडलों को पीछे छोड़ दिया। कई परीक्षण परियोजनाओं में इसका लाभ है, लेकिन टर्मिनल एन्कोडिंग बेंचमार्क पर यह अभी भी GPT‑5.5 से आगे है। प्रदर्शन के संदर्भ में, ओपस 4.8 की तेज़ मोड अनुमान गति को पिछले मॉडल की तुलना में 2.5 गुना तक बढ़ा दिया गया है, और कीमत को पुराने मॉडल के लगभग एक तिहाई तक कम कर दिया गया है, जिससे उच्च-प्रदर्शन उपयोग के लिए समग्र सीमा कम हो गई है।
नए मॉडल के लॉन्च के साथ, एंथ्रोपिक ने उत्पाद प्रणाली में कई नई सुविधाओं को जोड़ने की भी घोषणा की, जिसमें एंटरप्राइज़ डेवलपर्स के लिए "डायनामिक वर्कफ़्लोज़" (अनुसंधान पूर्वावलोकन) शामिल हैं। यह सुविधा क्लाउड को बड़े कार्यों को तोड़ने, कार्य चरणों की योजना बनाने और कोड की सैकड़ों हजारों लाइनों में कोडबेस-स्तरीय माइग्रेशन संचालन को पूरा करने के लिए क्लाउड कोड वातावरण के भीतर एक ही सत्र के भीतर समानांतर में सैकड़ों उप-एजेंटों को शेड्यूल करने की अनुमति देती है। यह वर्तमान में क्लाउड कोड एंटरप्राइज संस्करण, टीम संस्करण और मैक्स सदस्यता योजनाओं के लिए उपलब्ध है।
इंटरैक्टिव नियंत्रण के संदर्भ में, एंथ्रोपिक ने एक ही उत्तर में मॉडल द्वारा निवेशित कंप्यूटिंग संसाधनों और तर्क गहराई को चुनने के लिए क्लाउड.एआई और कोवर्क उपयोगकर्ताओं के लिए एक "प्रयास स्तर नियंत्रण" फ़ंक्शन जोड़ा है। यदि उपयोगकर्ता कम प्रयास स्तर चुनते हैं, तो वे तेजी से प्रतिक्रिया समय प्राप्त कर सकते हैं और दर कोटा खपत को कम कर सकते हैं, जबकि ओपस 4.8 डिफ़ॉल्ट रूप से "उच्च प्रयास" मोड पर है, जो अधिकारियों का मानना है कि उत्तर गुणवत्ता और उपयोगकर्ता अनुभव के बीच सबसे अच्छा संतुलन है।
डेवलपर्स के लिए, एंथ्रोपिक ने संदेश सरणी में सिस्टम-स्तरीय कमांड प्रविष्टियों को स्वीकार करने के लिए संदेश एपीआई को अद्यतन किया है। इसका मतलब यह है कि डेवलपर्स नए सत्र को दोबारा खोले बिना कार्य निष्पादन के दौरान क्लाउड की आचार संहिता और भूमिका सेटिंग्स को गतिशील रूप से समायोजित कर सकते हैं, जिससे अधिक लचीले मल्टी-स्टेप स्वचालित वर्कफ़्लो और एंटरप्राइज़-स्तरीय एप्लिकेशन बनाने में मदद मिलती है।
एंथ्रोपिक ने कहा कि क्लाउड ओपस 4.8 आम तौर पर आज से वैश्विक स्तर पर उपलब्ध है, और इसकी नियमित उपयोग की कीमत ओपस 4.7 के समान ही है। कंपनी ने यह भी खुलासा किया कि वह समान स्तर की कार्यक्षमता के साथ नए कम लागत वाले मॉडल पर काम कर रही है, साथ ही ओपस 4.8 से परे क्षमताओं वाले "अगली पीढ़ी" मॉडल की एक श्रेणी पर भी काम कर रही है।
हाई-एंड मॉडल रोडमैप के संदर्भ में, एंथ्रोपिक कुछ साझेदार संस्थानों के साथ एक अत्याधुनिक मॉडल कोड-नाम क्लाउड माइथोस का परीक्षण कर रहा है और इस मॉडल के आसपास अधिक कठोर सुरक्षा रेलिंग और उपयोग विनिर्देश विकसित करना जारी रखता है। कंपनी ने कहा कि उसे "आने वाले हफ्तों में" सभी ग्राहकों के लिए मिथोस-स्तरीय मॉडल उपलब्ध कराने की उम्मीद है, जो एंटरप्राइज़-स्तरीय सुरक्षा ऑडिटिंग, कोड विश्लेषण और जटिल निर्णय समर्थन जैसे परिदृश्यों में अपनी प्रतिस्पर्धात्मकता को और बढ़ाएगा।