Anthropic Claude Opus 4.8 duyuruldu: Aynı fiyat, ajanlık ve dürüstlükte sıçrama

Anthropic, 28 Mayıs 2026'da yeni nesil amiral gemisi modeli Claude Opus 4.8'i duyurdu. Şirket, modelin Opus 4.7'ye kıyasla aynı fiyatla daha iyi sonuçlar ürettiğini açıkladı. Anthropic'in paylaştığı kıyaslama sonuçlarına göre Opus 4.8; kodlama, ajan görevleri, akıl yürütme ve pratik bilgi işi testlerinde önceki nesle göre belirgin iyileşmeler gösteriyor. Web ajan benchmark'ı Online-Mind2Web'de %84 ile yeni bir tepe puana ulaşıyor; bir hukuki kıyaslama testinde önceki tüm modelleri geçiyor. Anthropic'in vurguladığı önemli bir nokta: model artık belirsizliği daha sık işaretliyor. Yani "bilmiyorum" demekten kaçınmıyor, bu, üretken yapay zekanın en bilinen sorunlarından biri olan halüsinasyona karşı önemli bir adım.

Hızlı bakış

Özellik	Detay
Model adı	Claude Opus 4.8
Duyuru tarihi	28 Mayıs 2026
Önceki model	Claude Opus 4.7
Online-Mind2Web puanı	%84 (yeni rekor)
Önceki rekor	%78 (Opus 4.7 + bazı agentic chains)
Hukuki test	Önceki tüm modelleri geçti
Halüsinasyon eğilimi	Belirgin azalma
Belirsizlik işaretleme	Daha sık ("bilmiyorum" diyor)
Yeni özellikler	Dynamic workflows, Effort control, System inputs API
Fiyat	Değişmedi (Opus 4.7 ile aynı)
Normal mod (input)	$5/1M token
Normal mod (output)	$25/1M token
Hızlı mod	$10 in / $50 out
Türkiye eval önerisi	Mevcut Opus 4.7 pipeline'larını kod değişikliği gerektirmeden test

Performans, gerçek sıçrama mı?

Anthropic'in paylaştığı kıyaslama sonuçlarına göre Opus 4.8 dört alanda belirgin iyileşmeler gösteriyor:

1. Kodlama

• SWE-Bench Verified: %72 (önceki %68)
• HumanEval-X: %94 (önceki %91)
• LiveCodeBench: %78 (önceki %72)
• Claude Code kullanıcıları için pratik etki çok değerli

2. Ajan görevleri (en güçlü iyileşme)

• Online-Mind2Web: %84 (önceki %72)
• Web Arena: %58 (önceki %48)
• TAU-Bench: %71 (önceki %63)
• Web tarama, form doldurma, çoklu adım navigasyon

3. Akıl yürütme

• GPQA: %72 (önceki %68)
• ARC-AGI: %52 (önceki %46)
• MathArena: %65 (önceki %59)

4. Pratik bilgi işi

• MMLU Pro: %86 (önceki %83)
• Hukuki test (Anthropic özel): Tüm önceki Claude modellerini geçti
• Tıbbi karar destek: %78 doğruluk (önceki %72)

Claude Opus 4.8 ve GPT-5.5 karşılaştırma yazımda bu metriklerin GPT-5.5 ile yan yana detaylı analizini yaptım.

Halüsinasyon azalması, kritik gelişme

Anthropic'in vurguladığı önemli bir nokta: model artık belirsizliği daha sık işaretliyor. Yani "bilmiyorum" demekten kaçınmıyor, bu, üretken yapay zekanın en bilinen sorunlarından biri olan halüsinasyona karşı önemli bir adım.

Tipik halüsinasyon senaryoları ve Opus 4.8'in tepkisi:

Senaryo 1: Bilinmeyen şirket sorgusu

• Eski model: "X şirketi 2020'de kuruldu, 50 milyon dolar yatırım aldı..." (uydurma)
• Opus 4.8: "Bu şirket hakkında güvenilir bilgim yok. İsim doğrulayıp tekrar deneyebilirsiniz."

Senaryo 2: Gelecek olayları

• Eski model: "2027 ABD seçimini Y aday kazanacak" (spekülasyon)
• Opus 4.8: "Gelecek seçim sonuçlarını tahmin edemem. Mevcut anketler ve trendlere bakabiliriz."

Senaryo 3: Spesifik veri

• Eski model: "Türkiye'nin 2026 GSYH'si 1.2 trilyon dolar" (uydurma)
• Opus 4.8: "Güncel resmi rakamı doğrulayamıyorum. TÜİK veya IMF kaynaklarına bakmanızı öneririm."

Anthropic AI duraklama çağrısı yazımda ele aldığım şirketin güvenlik kültürü, halüsinasyon azaltma konusunda somut karşılık üretiyor.

Geliştiriciler için 3 yeni özellik

Lansmanla birlikte gelen üç yenilik dikkat çekici:

1. Dynamic workflows, Claude Code içinde paralel ajan koşturma

• Daha önce tek ajan sırasıyla görev yapardı
• Şimdi birden çok alt ajan paralel çalışabiliyor
• Karmaşık projelerde 3-5 kat hızlanma
• Token kullanımı tasarrufu (paralel optimum)

2. Effort control, claude.ai ve Cowork üzerinde modelin ne kadar "çabalayacağını" ayarlama

• Düşük çaba: hızlı yanıt, daha az token
• Yüksek çaba: derin düşünce, daha çok token, daha iyi sonuç
• Maliyet-kalite trade-off'u kullanıcı kontrolünde
• Basit sorular için düşük çaba, karmaşık görevler için yüksek

3. Messages API'de system inputs desteği

• Sistem mesajı + kullanıcı mesajı geleneksel
• Yeni: sistem girdileri ayrı veri akışı olarak
• Kullanıcı verilerinin sistem talimatlarından net ayrılması
• Prompt injection saldırılarına karşı güçlü koruma
• AI ajan güvenlik uyarısı yazımda ele aldığım Zero Trust prensibinin somut uygulaması

Fiyat, neden değişmedi?

Opus 4.8, Opus 4.7 ile aynı fiyat etiketiyle geliyor:

Mod	Giriş ($/M token)	Çıkış ($/M token)
Normal	5	25
Hızlı (fast)	10	50

Anthropic'in fiyat stratejisi:

1. Geliştirici güveni, Sık fiyat değişikliği API kullanımını zorlaştırır 2. Rekabetçi konum, OpenAI GPT-5.5 ile benzer bant 3. Volume ekonomisi, Token başına maliyet azaldıkça aynı fiyatta kar artar 4. Adoption hızlandırma, Aynı fiyatta daha iyi performans = kullanıcı kazanımı

Claude 500 milyon dolar fatura şoku yazımda ele aldığım maliyet yönetimi tarafı, fiyat stabilitesi ile birlikte düşünülünce AI FinOps tarafı daha öngörülebilir hale geliyor.

Online-Mind2Web, niye bu kadar önemli?

Online-Mind2Web benchmark'ı, AI ajanlarının gerçek web siteleri üzerindeki performansını ölçer. Diğer ajan testlerinden farkı:

• Gerçek HTML/DOM karmaşıklığı
• Dinamik içerik ve JavaScript
• Reklam, popup, çerez banner'ları
• Form validasyonları
• Çoklu sayfa navigasyonu

Önceki nesil ajanların %50-60 bandında kaldığı bu testte Opus 4.8'in %84'e ulaşması, gerçek dünya kullanımı için kritik.

Pratik kullanım alanları:

• Çoklu site arama (uçak bileti, otel, fiyat karşılaştırma)
• Otomatik form doldurma (CV başvuru, kayıt formları)
• Veri kazıma ve özetleme
• Müşteri hizmet otomasyonu
• E-ticaret yardımcısı

Türkiye'deki geliştiriciyi nasıl etkiliyor?

Türkiye'den ürün geliştirenler için iki pratik sonucu var:

1. Mevcut Opus 4.7 üzerine kurduğun pipeline'lar kod değişikliği gerektirmeden daha iyi sonuç verebilir

• API endpoint'i aynı, model adı güncellemesi yeterli
• Eval testlerini yeniden çalıştırmak iyi olur
• Beklenen iyileşme: özellikle ajan ve hukuki içerikli uygulamalarda

2. Web tarama ajanı (browser automation, scraping, form doldurma) işleri yapan ürünler için Online-Mind2Web'deki sıçrama doğrudan kullanım kalitesine yansıyor

• Türk e-ticaret siteleri için fiyat karşılaştırma servisleri
• Kamu sistemleri (e-Devlet, MERNİS) otomasyon
• Sigorta, banka, telekom form otomasyonu
• HR/işe alım otomasyonu

OpenAI GPT-5 Türkiye yazımda ele aldığım Türkçe ekosistem gelişmesi paralelinde Claude Opus 4.8 de güçlü Türkçe yetkinlik gösteriyor.

Anthropic'in stratejik pozisyonu

Anthropic 965 milyar dolar Series H yazımda ele aldığım gibi şirket OpenAI'ı değerlemede geçti. Bu pozisyonun arkasındaki teknik temel:

• Opus 4.8 ile model rekabetinde başa baş
• Constitutional AI ile dürüstlük tarafında öncül
• Kurumsal kullanımda derin pazar payı
• Çoklu dağıtım kanalı (kendi API + AWS Bedrock + Google Cloud Vertex)
• Yerel temsil (Milano, Seul, Tokyo, Singapur ofisleri)

Opus 4.8 bu stratejinin teknik omurgası.

Model rekabeti ürünleştirildi

Claude Opus 4.8, AI model rekabetinin ürün olgunluğu evresine girdiğinin göstergesi. Spesifik benchmarklar, fiyat stabilitesi, geliştirici özellikleri (dynamic workflows, effort control), halüsinasyon kontrolü, hepsi ürün ekipler için somut iyileştirmeler.

— 2024-2025 dönemi modelleri her birkaç ayda 10 kat performans atlayarak büyürken, 2026 dönemi kademeli ve sürdürülebilir gelişme. Bu, AI ekosisteminin ergin sektör olarak konumlanmasını destekliyor.

Türk yazılım ekipleri için tavsiye, Opus 4.8'i hemen test edin. Aynı fiyatla daha iyi performans pratikte nadir bulunan bir fırsat.

Kaynak: Anthropic, Introducing Claude Opus 4.8