Anthropic

Claude Opus 4.8

Tipo
modello linguistico
Contesto
1.000K token
Uscita massima
128K
Uscito il
28 maggio 2026
Conoscenze fino a
dicembre 2025
Stringa per l'API
anthropic/claude-opus-4-8

Prezzi per fornitore

Fornitore Ingresso ($ per 1M) Uscita ($ per 1M) Nei nostri dati dal
unorouter $0,425 $2,125 31 lug 2026
xpersona $1,5 $9,25 31 lug 2026
Poe $4,293 $21,465 31 lug 2026
NanoGPT $4,998 $25,007 31 lug 2026
daoxe $5 $25 31 lug 2026
neon $5 $25 31 lug 2026
google-vertex-anthropic $5 $25 31 lug 2026
ofox $5 $25 31 lug 2026
routing-run $5 $25 31 lug 2026
freemodel $5 $25 31 lug 2026
modelis $5 $25 2 ago 2026
AIHubMix $5 $25 31 lug 2026
Abacus.AI $5 $25 31 lug 2026
Amazon Bedrock anthropic.claude-opus-4-8 $5 $25 31 lug 2026
Anthropic $5 $25 31 lug 2026
Azure Cognitive Services $5 $25 31 lug 2026
Cloudflare AI Gateway $5 $25 31 lug 2026
CrossModel $5 $25 31 lug 2026
DigitalOcean Gradient AI $5 $25 1 ago 2026
FastRouter $5 $25 31 lug 2026
GMI Cloud $5 $25 31 lug 2026
GitHub Copilot $5 $25 31 lug 2026
Google Vertex AI $5 $25 31 lug 2026
LLM Gateway $5 $25 31 lug 2026
Merge Gateway $5 $25 31 lug 2026
Microsoft Foundry $5 $25 31 lug 2026
OpenCode Zen $5 $25 31 lug 2026
OpenRouter $5 $25 31 lug 2026
Pioneer $5 $25 31 lug 2026
SAP AI Core $5 $25 1 ago 2026
Vercel $5 $25 31 lug 2026
ZenMux $5 $25 31 lug 2026
Amazon Bedrock eu.anthropic.claude-opus-4-8 $5,5 $27,5 31 lug 2026
Venice AI $6 $30 31 lug 2026

È mostrata solo la tariffa base e solo i prezzi a token. Le tariffe batch, agevolate o in cache, così come i prezzi per immagine o per secondo di video, non entrano in questa tabella: non possono stare nella stessa colonna di un prezzo per milione di token.

Uno stesso fornitore compare più volte se vende questo modello con identificatori diversi e a prezzi diversi — per esempio con precisione dei pesi diversa. L'identificatore è indicato accanto al nome. Le offerte identiche arrivate da due fonti con grafie diverse sono unite in un'unica riga.

La data nell'ultima colonna è il giorno in cui questo prezzo è entrato per la prima volta nella nostra raccolta. Il prezzo può essere più vecchio: prima di quel giorno semplicemente non lo registravamo. Da allora non è cambiato — altrimenti al suo posto ci sarebbe una riga nuova con una data nuova.

Risultati delle misurazioni

Insieme di compiti Risultato Condizioni della prova Misurato da
Arena Score, sviluppo web 1.538,84 1.531–1.547
Arena Score, domande da esperto 1.489,04 1.478–1.500
Arena Score, programmazione 1.485,6 1.478–1.493
Arena Score, richieste lunghe 1.480,54 1.474–1.487
Arena Score, dialogo a più turni 1.475,63 1.467–1.484
Arena Score, richieste difficili 1.473,3 1.467–1.479
Arena Score in francese 1.471,76 1.453–1.490
Arena Score, matematica 1.466,9 1.452–1.482
Arena Score in russo 1.464,49 1.454–1.475
Arena Score, rispetto delle istruzioni 1.461,02 1.454–1.468
Arena Score in inglese 1.457,59 1.451–1.464
Arena Score, generale 1.453,02 1.448–1.458
Arena Score in spagnolo 1.449,21 1.429–1.469
Arena Score, scrittura creativa 1.443,1 1.434–1.452
Arena Score, comprensione degli schemi 1.304,65 1.293–1.317
Arena Score, riconoscimento del testo nell'immagine 1.297,38 1.289–1.306
Arena Score, lavoro con le immagini 1.287,87 1.280–1.296
Mock AIME 2024–2025 — problemi da olimpiadi 98,33 % sforzo: max · con impalcatura calibrata Epoch evaluations
ARC-AGI — generalizzazione su schemi nuovi 92,5 % sforzo: max · con impalcatura calibrata https://arcprize.org/leaderboard
GPQA Diamond — domande di livello dottorale 88,05 % sforzo: max · con impalcatura calibrata Epoch evaluations
WeirdML — compiti insoliti di apprendimento automatico 82,89 % sforzo: xhigh https://htihle.github.io/weirdml.html
FrontierMath, livelli 1–3 80 % sforzo: max Epoch evaluations
ARC-AGI-2 72,08 % sforzo: high
CursorBench — modifiche nell'editor 63,8 % sforzo: max https://cursor.com/cursorbench
SimpleBench — domande trabocchetto 57,76 % https://lmcouncil.ai/benchmarks autodichiarato
FrontierMath, livello 4 — problemi di ricerca 56,1 % sforzo: max Epoch evaluations
DeepResearch Bench — ricerca approfondita 50,23 % sforzo: high https://drb.futuresearch.ai/#drb autodichiarato
GSO-Bench — ottimizzazione del codice 47,06 % https://gso-bench.github.io/index.html
FrontierCode — patch idonee all'inserimento in un progetto 46,5 % https://cognition.com/frontiercode
APEX-Agents 42,5 % sforzo: max
SimpleQA Verified — accuratezza fattuale 39,5 % sforzo: max Epoch evaluations
Problemi di scacchi 30,56 % sforzo: max Epoch evaluations
CritPt — problemi di fisica 20,86 % sforzo: max
OSWorld 2.0 — lavoro in un sistema operativo 20,6 % sforzo: max https://osworld-v2.xlang.ai/ autodichiarato
Remote Labor Index — incarichi da una piattaforma di freelance 8,33 %
Arena Score, compiti di agente 0,03 0–0