Anthropic

Claude Opus 4.8

Tipo
modelo de linguagem
Contexto
1.000K tokens
Saída máxima
128K
Lançado em
28 maio 2026
Conhecimento até
dezembro 2025
String para a API
anthropic/claude-opus-4-8

Preços por fornecedor

Fornecedor Entrada, $ por 1M Saída, $ por 1M Nos nossos dados desde
unorouter $0,425 $2,125 31 jul 2026
xpersona $1,5 $9,25 31 jul 2026
Poe $4,293 $21,465 31 jul 2026
NanoGPT $4,998 $25,007 31 jul 2026
daoxe $5 $25 31 jul 2026
neon $5 $25 31 jul 2026
google-vertex-anthropic $5 $25 31 jul 2026
ofox $5 $25 31 jul 2026
routing-run $5 $25 31 jul 2026
freemodel $5 $25 31 jul 2026
modelis $5 $25 2 ago 2026
AIHubMix $5 $25 31 jul 2026
Abacus.AI $5 $25 31 jul 2026
Amazon Bedrock anthropic.claude-opus-4-8 $5 $25 31 jul 2026
Anthropic $5 $25 31 jul 2026
Azure Cognitive Services $5 $25 31 jul 2026
Cloudflare AI Gateway $5 $25 31 jul 2026
CrossModel $5 $25 31 jul 2026
DigitalOcean Gradient AI $5 $25 1 ago 2026
FastRouter $5 $25 31 jul 2026
GMI Cloud $5 $25 31 jul 2026
GitHub Copilot $5 $25 31 jul 2026
Google Vertex AI $5 $25 31 jul 2026
LLM Gateway $5 $25 31 jul 2026
Merge Gateway $5 $25 31 jul 2026
Microsoft Foundry $5 $25 31 jul 2026
OpenCode Zen $5 $25 31 jul 2026
OpenRouter $5 $25 31 jul 2026
Pioneer $5 $25 31 jul 2026
SAP AI Core $5 $25 1 ago 2026
Vercel $5 $25 31 jul 2026
ZenMux $5 $25 31 jul 2026
Amazon Bedrock eu.anthropic.claude-opus-4-8 $5,5 $27,5 31 jul 2026
Venice AI $6 $30 31 jul 2026

É mostrada apenas a tarifa base e apenas preços por token. Tarifas em lote, reduzidas ou em cache, bem como preços por imagem ou por segundo de vídeo, não entram nesta tabela: não podem ficar na mesma coluna que um preço por milhão de tokens.

Um mesmo fornecedor aparece várias vezes se vende este modelo com identificadores diferentes e a preços diferentes — por exemplo, com precisão de pesos diferente. O identificador é indicado ao lado do nome. As ofertas idênticas vindas de duas fontes com grafias diferentes são reunidas numa única linha.

A data da última coluna é o dia em que este preço entrou pela primeira vez na nossa recolha. O preço pode ser mais antigo: antes desse dia simplesmente não o registávamos. Desde então não mudou — caso contrário, no seu lugar estaria uma linha nova com uma data nova.

Resultados das medições

Conjunto de tarefas Resultado Condições da execução Medido por
Arena Score, desenvolvimento web 1.538,84 1.531–1.547 — —
Arena Score, perguntas de especialista 1.489,04 1.478–1.500 — —
Arena Score, programação 1.485,6 1.478–1.493 — —
Arena Score, pedidos longos 1.480,54 1.474–1.487 — —
Arena Score, diálogo de vários turnos 1.475,63 1.467–1.484 — —
Arena Score, pedidos difíceis 1.473,3 1.467–1.479 — —
Arena Score em francês 1.471,76 1.453–1.490 — —
Arena Score, matemática 1.466,9 1.452–1.482 — —
Arena Score em russo 1.464,49 1.454–1.475 — —
Arena Score, seguimento de instruções 1.461,02 1.454–1.468 — —
Arena Score em inglês 1.457,59 1.451–1.464 — —
Arena Score, geral 1.453,02 1.448–1.458 — —
Arena Score em espanhol 1.449,21 1.429–1.469 — —
Arena Score, escrita criativa 1.443,1 1.434–1.452 — —
Arena Score, compreensão de esquemas 1.304,65 1.293–1.317 — —
Arena Score, reconhecimento de texto em imagem 1.297,38 1.289–1.306 — —
Arena Score, trabalho com imagens 1.287,87 1.280–1.296 — —
Mock AIME 2024–2025 — problemas de olimpíada 98,33 % esforço: max · com estrutura ajustada Epoch evaluations
ARC-AGI — generalização para padrões novos 92,5 % esforço: max · com estrutura ajustada https://arcprize.org/leaderboard
GPQA Diamond — perguntas de nível de pós-graduação 88,05 % esforço: max · com estrutura ajustada Epoch evaluations
WeirdML — tarefas incomuns de aprendizagem automática 82,89 % esforço: xhigh https://htihle.github.io/weirdml.html
FrontierMath, níveis 1–3 80 % esforço: max Epoch evaluations
ARC-AGI-2 72,08 % esforço: high —
CursorBench — edições no editor 63,8 % esforço: max https://cursor.com/cursorbench
SimpleBench — perguntas capciosas 57,76 % — https://lmcouncil.ai/benchmarks autorrelatado
FrontierMath, nível 4 — problemas de investigação 56,1 % esforço: max Epoch evaluations
DeepResearch Bench — pesquisa aprofundada 50,23 % esforço: high https://drb.futuresearch.ai/#drb autorrelatado
GSO-Bench — otimização de código 47,06 % — https://gso-bench.github.io/index.html
FrontierCode — patches aptos a serem aceites num projeto 46,5 % — https://cognition.com/frontiercode
APEX-Agents 42,5 % esforço: max —
SimpleQA Verified — exatidão factual 39,5 % esforço: max Epoch evaluations
Problemas de xadrez 30,56 % esforço: max Epoch evaluations
CritPt — problemas de física 20,86 % esforço: max —
OSWorld 2.0 — trabalho num sistema operativo 20,6 % esforço: max https://osworld-v2.xlang.ai/ autorrelatado
Remote Labor Index — trabalhos de uma plataforma de freelance 8,33 % — —
Arena Score, tarefas de agente 0,03 0–0 — —