2026년 5월 28일, Anthropic 이 차세대 플래그십 Opus 4.8 을 공개했다. 정직성, 에이전트 코딩, 그리고 백만 토큰 장문에서의 도약. 공식 발표와 클라우드 모델 카드를 1차 출처로, 이전 버전과 경쟁 모델을 같은 표 위에 올려 본다.
Anthropic 이 2026년 5월 28일 차세대 플래그십 Claude Opus 4.8 을 공개했다. 직전 버전 Opus 4.7 발표로부터 약 41일 만으로, 최근 들어 부쩍 짧아진 출시 주기를 그대로 잇는다. API 모델 문자열은 claude-opus-4-8, AWS Bedrock 에서는 anthropic.claude-opus-4-8 로 부른다.
이 글은 공식 발표 자료와 클라우드 모델 카드(1차 출처) 를 기준으로 무엇이 좋아졌는지, 그리고 이전 버전·경쟁 모델과 벤치마크가 어떻게 비교되는지를 팩트 위주로 정리한다. 수치 중 일부는 Anthropic 공식 벤치마크 표가 이미지 형태로 제공되어 본문 텍스트로 직접 노출되지 않는다. 그 경우 표를 전사한 신뢰도 있는 2차 매체 수치를 교차검증해 실었고, 표 아래 주석에 그렇게 표시했다.
① "정직성"이 이번 업데이트의 간판이다. Anthropic 은 Opus 4.8 을 "진행 상황에 대해 더 정직하고, 더 오래 독립적으로 일할 수 있는" 모델로 소개했다. 가장 구체적인 수치는 코딩 영역에서 나온다. 자기가 작성한 코드의 결함을 지적 없이 그냥 통과시킬 확률이 이전 세대 대비 약 4배 줄었다. 근거 없는 단정을 줄이고 불확실성을 표시하는 경향도 강해졌다.
② 정렬(alignment)·안전성 지표가 개선됐다. Anthropic Alignment 팀은 기만·오용 협조 같은 "misaligned behavior" 비율이 4.7 대비 눈에 띄게 낮아졌다고 밝혔다. 보도된 정량 지표로는, 모델당 수천 회 시뮬레이션에서 misalignment 점수가 약 2.5(4.7)에서 약 1.9(4.8) 로 내려갔다(2차 매체 인용).
③ 에이전트 코딩과 장문 컨텍스트가 크게 향상됐다. 뒤의 표에서 보듯 SWE-bench Pro 와 1M 토큰 장문 추적(GraphWalks)에서 폭이 가장 컸다. 기본 effort 가 high 로 상향돼, 4.7 과 비슷한 토큰을 쓰면서도 더 나은 결과를 낸다.
④ 속도와 비용. 새 Fast mode 는 표준 모드보다 약 2.5배 빠르고, 이전 세대 fast mode 대비 약 3배 저렴하다. 표준 가격은 4.7 과 같다($5 입력 / $25 출력, 100만 토큰당).
아래는 Anthropic 공식 벤치마크 표 기준 수치다(이미지 표를 전사한 2차 출처로 교차검증). 같은 방법론, 같은 회사 안에서의 비교라 가장 신뢰도가 높다.
| 벤치마크 | Opus 4.8 | Opus 4.7 | 변화 |
|---|---|---|---|
| SWE-bench Verified (코딩) | 88.6 | 87.6 | +1.0 |
| SWE-bench Pro | 69.2 | 64.3 | +4.9 |
| SWE-bench Multilingual | 84.4 | 80.5 | +3.9 |
| Terminal-Bench 2.1 (터미널) | 74.6 | 66.1* | +8.5 |
| OSWorld-Verified (컴퓨터 사용) | 83.4 | ~82.3 | +1.1 |
| GraphWalks BFS (1M 장문) | 68.1 | 40.3 | +27.8 |
| GraphWalks Parents (1M 장문) | 83.3 | 56.6 | +26.7 |
| USAMO 2026 (수학) | 96.7 | 69.3 | +27.4 |
| HLE (툴 없음) | 49.8 | 46.9 | +2.9 |
| HLE (툴 사용) | 57.9 | 54.7 | +3.2 |
| GPQA Diamond (대학원 추론) | 93.6 | 94.2 | -0.6 |
| GDPval-AA (실무 ELO) | 1890 | 1753 | +137 |
| MCP-Atlas | 82.2 | 79.1 | +3.1 |
| Finance Agent v2 | 53.9 | 51.5 | +2.4 |
단위는 % (GDPval-AA 는 ELO 점수). *Terminal-Bench 는 버전이 다르다(4.8=2.1 vs 4.7=2.0)라 직접 비교에 주의. GPQA 는 소폭 하락했는데, 이미 90%대 초중반으로 포화된 벤치라 측정 노이즈 범위로 보는 시각이 많다. USAMO·GraphWalks 의 폭발적 상승이 수학·장문 추론 강화를 가장 잘 보여준다.
2026년 5월 기준 경쟁 프론티어는 OpenAI GPT-5.5(2026.04 출시)와 Google Gemini 3.1 Pro(2026.02 출시)다. 아래 표는 Opus 4.8 공식 표에 함께 실린 비교값을 전사한 것이다. 다만 회사마다 측정 harness·조건이 달라 같은 벤치명이라도 1:1 직접 비교에는 한계가 있다는 점을 전제로 본다. 미공개·비교불가는 N/A.
| 벤치마크 | Opus 4.8 | Opus 4.7 | GPT-5.5 | Gemini 3.1 Pro |
|---|---|---|---|---|
| SWE-bench Pro | 69.2 | 64.3 | 58.6 | 54.2 |
| SWE-bench Verified | 88.6 | 87.6 | N/A | 80.6 |
| Terminal-Bench 2.1 | 74.6 | 66.1 | 78.2† | 70.3 |
| GPQA Diamond | 93.6 | 94.2 | N/A | 94.3 |
| OSWorld-Verified | 83.4 | ~82.3 | 78.7 | 76.2 |
| GraphWalks BFS (1M) | 68.1 | 40.3 | 45.4 | N/A |
| HLE (툴 없음) | 49.8 | 46.9 | 41.4 | 44.4 |
| HLE (툴 사용) | 57.9 | 54.7 | 52.2 | 51.4 |
| MCP-Atlas | 82.2 | 79.1 | 75.3 | 78.2 |
| Finance Agent v2 | 53.9 | 51.5 | 51.8 | 43.0 |
| GDPval-AA (ELO) | 1890 | 1753 | 1769 | 1314 |
진한 색 = 해당 행 최고값. †Terminal-Bench 의 GPT-5.5 값은 출처(harness)에 따라 78.2~83.4 로 엇갈려 단정하기 어렵다. GPT-5.5 의 SWE-bench "Verified" 는 변형(variant) 차이로 표기가 갈려 이 표에서는 N/A 처리. 독립 종합 지표인 Artificial Analysis Intelligence Index v4.0 에서는 Opus 4.8 이 61.4 로 1위(GPT-5.5 60.2, Opus 4.7 57.3)를 기록했다 — 3자 검증 관점.
에이전트 코딩, 컴퓨터 사용, 1M 장문 추적, 실무 에이전트에서 Opus 4.8 이 비교군 선두. 순수 지식 추론(GPQA)은 Gemini 3.1 Pro 와 사실상 동률, 터미널 에이전트는 GPT-5.5 와 접전. — 벤치마크 종합
Opus 시리즈는 4.5(2025.11) → 4.6(2026.02) → 4.7(2026.04) → 4.8(2026.05)로, 갈수록 간격이 좁아지고 있다. 같은 주에 Anthropic 이 대규모 자금 조달과 상위 모델 "Claude Mythos" 의 임박을 알렸다는 보도도 나왔다. 다만 이 부분(조달 규모·Mythos 일정)은 언론 보도·예고 단계이며 Anthropic 의 1차 확정 문서로는 검증되지 않았으므로, 본문에서는 단정하지 않는다.