# Claude Opus 4.8: nowości, ceny i zmiana modelu
> Co zmienia się w Claude Code wraz z Opus 4.8, 28 maja 2026 r.: Dynamic Workflows, poziom xhigh, Fast Mode. Dokładne ceny, benchmarki, macierz decyzyjna.
Source: https://ailoot.ai/blog/pl/opus-4-8-claude-code-features/
Canonical: https://ailoot.ai/blog/pl/opus-4-8-claude-code-features/
Language: pl
Publisher: Ailoot (https://ailoot.ai/)
Translation: guide-194
Revision: sha256-4a5715238f24b49f2650d5eed57879139d2fa82e1fa582c50e9556e0fa05e9b6
Dokumentacja referencyjna Ailoot: [ailoot.ai/docs/](https://ailoot.ai/docs/).
## Co wprowadzono w Claude Code 28 maja
Najważniejszy wniosek
Anthropic wydał Opus 4.8 i Claude Code v2.1.154 tego samego dnia. Cztery zmiany w jeden dzień: nowy model Opus 4.8 (wynik w benchmarku agentowego programowania: 69.2% wobec 64.3% dla 4.7), Dynamic Workflows do koordynowania maksymalnie 16 agentów jednocześnie i łącznie 1000 w jednym przebiegu, xhigh jako nowy poziom myślenia oraz trzykrotnie tańszy Fast Mode. Standardowa cena się nie zmieniła.
28 maja Anthropic udostępnił [Opus 4.8](https://www.anthropic.com/news/claude-opus-4-8) — 41 dni po Opus 4.7. Tego samego dnia ukazały się Claude Code v2.1.154 i wpis na blogu [„Introducing dynamic workflows in Claude Code”](https://claude.com/blog/introducing-dynamic-workflows-in-claude-code). Następnego dnia wersja v2.1.156 naprawiła błąd bloków myślenia, który powodował problemy API w Opus 4.8.
Cztery zmiany, które dotyczą wszystkich programujących w Claude Code:
1. **Nowy model Opus 4.8** — te same ceny (\$5/\$25 za milion tokenów), ale lepsze wyniki benchmarków i czterokrotnie rzadsze przeoczanie błędów we własnym kodzie.
2. **Dynamic Workflows** — Claude samodzielnie pisze skrypt JS, który może uruchomić do 1000 subagentów w całym przebiegu, przy najwyżej 16 aktywnych jednocześnie. Wyzwalaczem jest słowo `workflow` w poleceniu.
3. **Poziom xhigh** — nowy poziom rozumowania. Domyślnym ustawieniem w Opus 4.8 jest teraz `high`; przy wymagających zadaniach można podnieść je do `xhigh`.
4. **Fast Mode jest trzykrotnie tańszy** — wcześniej kosztował 6× standardowej ceny, teraz kosztuje 2× i zapewnia 2.5× większą szybkość.
Sam Anthropic ostrożnie wypowiada się o tej premierze:
Użytkownicy zauważą umiarkowaną, ale wyraźną poprawę w Opus 4.8 w porównaniu z poprzednikiem. Model około czterokrotnie rzadziej niż poprzednik przeocza błędy w kodzie, który sam napisał bez komentarza.
— Anthropic, https://www.anthropic.com/news/claude-opus-4-8
W tym poradniku pokażę dokładnie, co się zmieniło, ile to kosztuje w praktyce i czy warto przejść na nowy model już teraz, czy poczekać.
## Czym Opus 4.8 różni się od 4.7?
Najważniejszy wniosek
Według danych Anthropic Opus 4.8 uzyskuje wynik wyższy o 4.9 punktu w agentowym programowaniu (SWE-Bench Pro: 69.2% wobec 64.3%), o 137 punktów Elo w GDPval-AA (1890 wobec 1753) i czterokrotnie rzadziej przeocza własne błędy. Standardowa cena się nie zmieniła. Granica wiedzy i kontekst 1M pozostają takie same.
### Co poprawiło się w wynikach
Anthropic opublikował benchmarki w [oficjalnym ogłoszeniu](https://www.anthropic.com/news/claude-opus-4-8) oraz w [dokumentacji Claude API](https://platform.claude.com/docs/en/about-claude/models/whats-new-claude-4-8). Zestawienie:
| Benchmark | Opus 4.7 | Opus 4.8 | Δ |
|--------------------------------------------|----------|----------|--------------|
| SWE-Bench Verified | 87.6% | 88.6% | +1.0 |
| SWE-Bench Pro (agentowe programowanie) | 64.3% | 69.2% | +4.9 |
| GDPval-AA Elo (praca wymagająca wiedzy) | 1753 | 1890 | +137 |
| Rozumowanie multidyscyplinarne (HLE + narzędzia) | 54.7% | 57.9% | +3.2 |
| Online-Mind2Web (przeglądarka/obsługa komputera) | \- | 84% | nowy |
| OSWorld-Verified (agentowa obsługa komputera) | \- | 83.4% | potwierdzony |
| Agentowa analiza finansowa | 51.5% | 53.9% | +2.4 |
| MCP-Atlas | \- | 82.2% | nowy |
⚠️ To **dane opublikowane przez dostawcę** — pochodzą od Anthropic, a nie z niezależnego pomiaru.
### Główna obietnica: „4× mniejsze prawdopodobieństwo przeoczenia błędów”
Anthropic twierdzi:
Model czterokrotnie rzadziej niż poprzednik przeocza błędy w kodzie, który sam napisał bez komentarza.
— Anthropic, https://www.anthropic.com/news/claude-opus-4-8
Brzmi świetnie, ale kryje się tu pewien niuans: według System Card Anthropic Claude Opus 4.8 miał najniższy odsetek błędnych odpowiedzi spośród sześciu modeli w każdym benchmarku, ponieważ wstrzymuje się od odpowiedzi, gdy nie ma pewności.
Przekładając język System Card na język vibe-codera: model nie stał się 4 razy mądrzejszy. Częściej mówi „Nie jestem pewien, sprawdź to” zamiast tworzyć wiarygodnie brzmiącą halucynację. Uczciwość zamiast wzrostu IQ — na tym polega ewolucja modelu.
W praktyce oznacza to, że w tych samych zadaniach, w których Claude wcześniej kłamał z przekonaniem, teraz powie: „Nie jestem tego pewien”. Zmniejsza to ryzyko, ale nie zwiększa zakresu tego, co model potrafi.
### Co pozostało bez zmian
- Standardowa cena (\$5 za milion tokenów wejściowych, \$25 za milion tokenów wyjściowych) — bez zmian.
- Granica wiedzy — styczeń 2026, tak jak w 4.7.
- Domyślny kontekst — 1 milion tokenów w Anthropic API, AWS Bedrock i GCP Vertex AI. W Microsoft Foundry — 200K.
- Maksymalna długość odpowiedzi — 128K tokenów.
- Parametry próbkowania (`temperature`, `top_p`, `top_k`) — nadal nieobsługiwane; zwracają błąd 400.
### Gdzie Opus 4.8 wypada słabiej
Szczerze: w **Terminal-Bench 2.1** Opus 4.8 uzyskuje 74.6% — to niezły wynik, ale model nie jest liderem kategorii. Jeśli większość pracy wykonujesz w terminalu, miej to na uwadze: Codex często jest nieco lepszy w zadaniach dotyczących wyłącznie terminala. Opus 4.8 prowadzi w pozostałych benchmarkach, ale ta różnica jest realna.
Druga szczera uwaga: w złożonych agentowych procesach z niezweryfikowanymi danymi wejściowymi (parsowanie witryn, odczyt RSS) ochrona przed prompt injection w Opus 4.8 nie jest gwarantowana. Jeśli tworzysz automatyzację odczytującą dokumenty innych osób, zastosuj osobny filtr danych wejściowych.
## Ile kosztuje Opus 4.8 w 2026 roku?
Najważniejszy wniosek
Standardowe ceny \$5/\$25 za milion tokenów pozostają takie same jak w 4.7. Fast Mode jest trzykrotnie tańszy: wcześniej kosztował 6× standardowej ceny, teraz kosztuje 2× przy szybkości 2.5× (czyli \$10/\$50). Przy planie Claude Max 5x za \$100 i stabilnym użyciu Opus 4.8 masz około 4–6 godzin aktywnego programowania dziennie. W planie Pro za \$20 — 1–2 godziny. Plany Anthropic omawiam w poradniku o limitach.
### Progi cenowe
| Tryb | Wejście (\$/M tokenów) | Wyjście (\$/M tokenów) | Szybkość |
|-----------|---------------------|----------------------|--------------------|
| Standard | \$5 | \$25 | bazowa |
| Fast Mode | \$10 | \$50 | do 2.5× szybciej |
Standardowa cena pozostała taka sama jak w 4.7 i 4.6. To rzadkość — nowe generacje zwykle kosztują więcej. Fast Mode jest trzykrotnie tańszy: w wersjach 4.6 i 4.7 tryb szybki kosztował 6× standardowej ceny. W 4.8 kosztuje 2×.
### Ile to oznacza za godzinę pracy
Godzina aktywnego programowania w Claude Code z Opus 4.8 to około 1–2 miliony tokenów wejściowych i 100–300 tysięcy tokenów wyjściowych. Przy standardowych cenach to \$5–10 za wejście i \$2.5–7.5 za wyjście. Po zaokrągleniu: \$8–15 za godzinę samego korzystania z API.
W planach subskrypcyjnych:
- **Pro (\$20/miesiąc)** — wystarcza na 1–2 godziny aktywnej pracy dziennie. Jedno wymagające polecenie z Dynamic Workflow wyczerpuje limit.
- **Max 5x (\$100/miesiąc)** — regularnie 4–6 godzin dziennie. Najlepszy wybór dla większości vibe-coderów.
- **Max 20x (\$200/miesiąc)** — cały dzień pracy bez martwienia się o limit. Ma sens, jeśli uruchamiasz wiele workflowów lub pracujesz z Agent SDK.
Więcej szczegółów w poradnikach [jak nie wyczerpać limitów Claude Code](https://ailoot.ai/blog/pl/claude-code-token-limits-saving/) i [na co idą tokeny](https://ailoot.ai/blog/pl/where-claude-code-tokens-go/).
⚠️ Ważny szczegół podany przez Anthropic: workflow z 1000 agentów zużywa „znacznie więcej tokenów niż typowa sesja”. Duży przebieg może zużyć znaczną część puli, choć jednocześnie działa najwyżej 16 agentów. Przed startem sprawdź dostępne użycie i ustal budżet przebiegu; sama współbieżność nie określa całkowitego kosztu.
⚠️ **Fast Mode nie jest uwzględniony w planach Pro / Max / Team / Enterprise**. Wymaga włączenia kredytów na korzystanie i jest rozliczany osobno po \$10/\$50 za milion tokenów, oprócz subskrypcji. Jeśli masz Max i włączysz Fast Mode bez kredytów, pojawi się komunikat z prośbą o doładowanie salda. Łatwo przeoczyć to podczas czytania dokumentacji.
## Czym są Dynamic Workflows w Claude Code?
Najważniejszy wniosek
Dynamic Workflow to skrypt JS, który Claude pisze na potrzeby zadania. Skrypt uruchamia jednocześnie maksymalnie 16 równoległych subagentów (łącznie do 1000 w jednym przebiegu). Wyniki pośrednie znajdują się w zmiennych skryptu; tylko wynik końcowy trafia do kontekstu Claude. Wyzwalaczem jest słowo workflow w poleceniu, /effort ultracode albo wbudowane polecenie /deep-research.
### Czym workflow różni się od subagenta i umiejętności
Wcześniej wszystko, co Claude Code robił autonomicznie, opierało się na orkiestracji krok po kroku. W każdej turze Claude decydował, którego narzędzia użyć, a wyniki pośrednie pozostawały w jego kontekście. Działało to w przypadku maksymalnie 4–5 subagentów; przy większej liczbie kontekst się przepełniał.
Dynamic Workflow zmienia ten schemat. Claude pisze skrypt JavaScript, który sam koordynuje agentów. Wyniki pośrednie znajdują się w zmiennych skryptu, a nie w kontekście Claude. Do kontekstu wraca tylko wynik końcowy. Ma to trzy skutki:
1. **Możesz uruchomić równolegle maksymalnie 16 agentów**, łącznie do 1000 w jednym przebiegu.
2. **Kontekst Claude się nie przepełnia** — każdy subagent pracuje we własnej piaskownicy.
3. **Skrypt można ponownie wykorzystać** — po udanym przebiegu naciśnij `s` w `/workflows`, aby zapisać go jako polecenie ukośnikowe.
[Dokumentacja workflowów Anthropic](https://code.claude.com/docs/en/workflows) opisuje to tak:
Dynamic workflow to skrypt JavaScript, który koordynuje subagentów na dużą skalę. Claude pisze skrypt dla opisanego przez Ciebie zadania, a środowisko uruchomieniowe wykonuje go w tle, podczas gdy Twoja sesja pozostaje responsywna.
— Dokumentacja Anthropic Claude Code, https://code.claude.com/docs/en/workflows
### Limity środowiska uruchomieniowego
| Parametr | Wartość |
|-----------|-------|
| Agenci działający równolegle | maksymalnie **16** jednocześnie |
| Łączna liczba agentów na przebieg | **1000** na przebieg |
| Dane wejściowe od użytkownika w trakcie przebiegu | brak — nie można ingerować; trzeba uruchomić ponownie |
| Bezpośredni dostęp skryptu do systemu plików/powłoki | brak — odczytywać i zapisywać mogą tylko uruchomieni agenci |
### Trzy sposoby uruchamiania workflowu
1. **Słowo `workflow` w poleceniu.** „Uruchom workflow, aby sprawdzić każdy punkt końcowy API w src/routes/ pod kątem brakujących kontroli autoryzacji”. Claude rozpoznaje wyzwalacz, pisze skrypt i go uruchamia.
2. **`/effort ultracode`** — łączy rozumowanie xhigh z automatyczną orkiestracją workflowu. Dotyczy wszystkich istotnych zadań w sesji. Dokumentacja mówi:
Jedno polecenie może uruchomić kolejno kilka workflowów: jeden do zrozumienia kodu, drugi do wprowadzenia zmian, a trzeci do ich sprawdzenia.
— Dokumentacja Anthropic Claude Code, https://code.claude.com/docs/en/workflows
3. **`/deep-research [question]`** — wbudowany workflow do prowadzenia badań z wyszukiwaniem w sieci i weryfikacją źródeł.
### Przykład: Bun i 750,000 linii Rust w 11 dni
Zespół [Bun](https://bun.sh) wykorzystał Dynamic Workflows w eksperymencie polegającym na przeniesieniu Bun z Zig do Rust. Według [bloga Anthropic](https://claude.com/blog/introducing-dynamic-workflows-in-claude-code):
- Wygenerowano **~750,000 linii Rust**.
- Od pierwszego commitu do merge'a minęło **11 dni**.
- Zaliczone zostało **99.8% testów** z istniejącego zestawu.
- Przygotowano **~300 reguł** tłumaczenia Zig → Rust.
Schemat techniczny obejmował trzy kolejne workflowy:
1. Workflow nr 1 mapuje prawidłowy czas życia Rust dla każdego pola struktury w bazie kodu Zig.
2. Workflow nr 2 zapisuje każdy plik `.rs` jako port zachowujący identyczne zachowanie względem odpowiednika `.zig`. Setki zadań plikowych rozdzielono na partie, przy najwyżej 16 agentach jednocześnie i **dwóch recenzentach na plik**.
3. Workflow nr 3 to pętla naprawcza: uruchamia budowanie i testy, aż wszystko przejdzie.
### Główna pułapka: workflowy wyczerpują limit nawet przy małych zadaniach
Wniosek praktyczny: jeśli zadanie można wykonać przy użyciu 1–2 prostych subagentów, nie uruchamiaj workflowu; użyj subagentów ręcznie. Workflowy opłacają się przy 50+ plikach, a nie przy 5.
Dynamic Workflow to kolejny krok w inżynierii kontekstu. Workflow może rozdzielić pracę między łącznie do 1000 uruchomień agentów, planując najwyżej 16 jednocześnie. Bez wspólnego kontekstu projektu błędy mogą narastać między partiami, ponieważ każdy agent widzi tylko własny fragment.
## Kiedy włączyć poziom xhigh?
Najważniejszy wniosek
xhigh to nowy poziom rozumowania między high a wcześniejszym poziomem. W Opus 4.8 domyślnym ustawieniem jest high; xhigh przeznaczono do wymagających zadań: migracji, audytów bezpieczeństwa i zaplanowanych refaktoryzacji. Przy rutynowych zmianach xhigh oznacza dodatkowe koszty tokenów zużywanych na myślenie bez żadnej korzyści. W Claude Code suwak wysiłku zmienił nazwę z „Speed/Intelligence” na „Faster/Smarter”.
W informacjach o wydaniu Claude Code v2.1.154 Anthropic wyraźnie zaznacza: Opus 4.8 domyślnie działa z `effort=high` — to nowy standard po wydaniu. Wcześniej standardem był niższy poziom. Nowy poziom `xhigh` jest dostępny ponad nim dla najbardziej wymagających zadań, w których model zużywa więcej tokenów na myślenie w każdej turze.
Kiedy używać xhigh:
- Migracje (nowy wzorzec architektoniczny → 50+ plików).
- Audyty bezpieczeństwa (przegląd bezpieczeństwa ponad 200 punktów końcowych).
- Zaplanowane refaktoryzacje ze sprawdzaniem niezmienników.
- Złożone, długie sesje debugowania, w których model musi pamiętać całą ścieżkę.
Kiedy NIE używać:
- Rutynowe zmiany w jednym pliku (napisanie testu, zmiana nazwy metody).
- Proste polecenia o jasnej strukturze.
- Dokumentacja i komentarze — xhigh generuje tu dodatkowe koszty.
W Claude Code v2.1.154 suwak wysiłku zmienił nazwę z „Speed/Intelligence” na „Faster/Smarter”. Domyślne `/effort high` jest teraz stosowane automatycznie; nie trzeba włączać go ręcznie.
## Kiedy używać Fast Mode?
Najważniejszy wniosek
Fast Mode w Opus 4.8 to nadal ten sam Opus, działający w konfiguracji o wysokiej szybkości. Kosztuje \$10/\$50 za milion tokenów (2× standardowej ceny) i działa do 2.5× szybciej. Jest trzykrotnie tańszy: w wersjach 4.6/4.7 kosztował 6× standardowej ceny. Używaj go, gdy szybkość reakcji jest ważniejsza niż dokładność: do przeglądu kodu na żywo, szybkich iteracji i demonstracji. NIE używaj go do długotrwałej pracy agentowej — cena 2× pogarsza opłacalność.
Ceny:
| Parametr | Wartość |
|-----------|-------|
| Wejście | \$10 za milion tokenów (2× standardowej ceny) |
| Wyjście | \$50 za milion tokenów (2× standardowej ceny) |
| Szybkość | do 2.5× tokenów wyjściowych na sekundę |
| Aktywacja | `speed: "fast"` w API lub ustawienie w Claude Code `/config` |
Kiedy używać:
- Zadania interaktywne, w których czas odpowiedzi jest ważniejszy niż dokładność (przegląd kodu na żywo podczas transmisji).
- Szybkie zmiany i sprawdzanie hipotez.
- Demonstracja lub prezentacja dla klienta.
Kiedy NIE używać:
- Długotrwała praca agentowa — 2× ceny przy kontekście 1M pogarsza opłacalność.
- Duży Dynamic Workflow — Fast Mode podwaja właściwe stawki tokenowe, a zużycie sumuje się po wszystkich uruchomionych agentach. Limit 1000 uruchomień łącznie nie jest stałym mnożnikiem kosztu zadania 1000×; planuj budżet z rzeczywistego łącznego wejścia i wyjścia.
- Sesje w tle, w których szybkość nie ma kluczowego znaczenia.
## Jak przejść na Opus 4.8 bez utraty ustawień?
Najważniejszy wniosek
Cztery kroki. Zaktualizuj Claude Code do v2.1.156 (nie v2.1.154 — ta wersja ma błąd bloków myślenia). Otwórz /config i sprawdź, czy Opus 4.8 jest dostępny na liście modeli. W planie Pro włącz też Dynamic Workflows w /config. Wykonaj test na prostym zadaniu (jeden plik, jasne polecenie). Nie musisz przenosić Skills ani CLAUDE.md — działają automatycznie z każdym modelem.
### Krok 1. Zaktualizuj Claude Code
W terminalu:
```bash
claude upgrade
```
Możesz też ponownie zainstalować program, korzystając z dokumentacji Anthropic.
⚠️ Wymagana wersja to **v2.1.156 lub nowsza**. W v2.1.154 występował błąd: przy użyciu Opus 4.8 modyfikowane były bloki myślenia, co powodowało błędy API. Naprawiono go w v2.1.156.
Sprawdź wersję:
```bash
claude --version
```
### Krok 2. Zmień model w `/config`
W Claude Code:
```
/model claude-opus-4-8
```
Możesz też otworzyć `/config` → sekcję Model → wybrać Opus 4.8 z listy. Identyfikator modelu w punkcie końcowym API to `claude-opus-4-8`.
### Krok 3. Włącz Dynamic Workflows (plan Pro)
Dynamic Workflows są domyślnie wyłączone w planie Pro. Otwórz `/config` → sekcję Workflows → włącz je. W planach Max, Team i osobistym Enterprise są aktywne od początku. W Enterprise z administratorem mogą być wyłączone przez administratora; poproś go o włączenie.
### Krok 4. Wykonaj test
W Claude Code poproś o wykonanie prostego zadania z jasnym wynikiem, aby upewnić się, że model odpowiada prawidłowo:
```
Write a TypeScript function that splits an array into chunks of a fixed length.
Give me tests in vitest.
```
Jeśli odpowiedź jest odpowiednia, a na początku pojawia się fraza „using claude-opus-4-8”, zmiana zadziałała. Jeśli wystąpi błąd 400, sprawdź wersję Claude Code (wróć do kroku 1).
### Czego NIE trzeba przenosić
- **CLAUDE.md** działa z każdym modelem bez zmian. Więcej szczegółów w poradniku [jak skonfigurować CLAUDE.md](https://ailoot.ai/blog/pl/claude-md-template/).
- **Skills** są automatycznie wykrywane przez Opus 4.8. Więcej szczegółów w poradniku [Claude Code Skills](https://ailoot.ai/blog/pl/claude-code-skills-library/).
- **Serwery MCP** działają identycznie. Poradnik MCP zawiera [7 gotowych zestawów](https://ailoot.ai/blog/pl/mcp-servers-claude-code/).
- **Subagenci i Plan Mode** pozostają bez zmian. Podsumowanie wyboru między Skills, Subagents, MCP i Plugins znajduje się w [odpowiednim poradniku filarowym](https://ailoot.ai/blog/pl/skills-subagents-mcp-plugins-claude-code/).
## Czy przejść z Sonnet 4.6 lub Haiku 4.5?
Najważniejszy wniosek
Sonnet 4.6 jest tańszy i szybszy, a do rutynowej pracy o średnim poziomie złożoności sprawdza się świetnie. Haiku 4.5 jest niemal darmowy do CI/CD i zautomatyzowanych testów. Opus 4.8 przeznaczono do decyzji architektonicznych, migracji i złożonych refaktoryzacji. Macierz: rutynowe zadania = Sonnet, wymagające zadanie = Opus 4.8, CI i przetwarzanie wsadowe = Haiku. Dla większości vibe-coderów najlepszym wyborem jest Sonnet 4.6 jako domyślny model oraz Opus 4.8 do wymagających zadań, wybierany za pomocą przełącznika modelu.
W [starszym poradniku](https://ailoot.ai/blog/pl/claude-code-model-effort-sonnet-opus/) omówiłem już wybór między Sonnet a Opus, ale dotyczył on wersji 4.7. Reguły nieco się zmieniają wraz z Opus 4.8.
Macierz decyzyjna na 2026 rok:
| Zadanie | Model | Uzasadnienie |
|------|-------|-----|
| Rutynowe zmiany, pisanie testów, refaktoryzacja w jednym pliku | Sonnet 4.6 | 3 razy tańszy, wystarczająco szybki, jakość wystarczająca |
| Decyzja architektoniczna (jak rozplanować projekt) | Opus 4.8 @ xhigh | Wymagające rozumowanie, pojemny kontekst, nowa uczciwość |
| Migracja obejmująca 50+ plików | Opus 4.8 + Dynamic Workflow | To sytuacja, w której workflowy mają sens |
| Audyt bezpieczeństwa | Opus 4.8 + Dynamic Workflow | Konfrontacyjne kontrole agent kontra agent |
| CI/CD, przetwarzanie wsadowe, testy automatyczne | Haiku 4.5 | Prawie darmowy, szybki, jakość wystarczająca |
Dla większości vibe-coderów najlepszym wyborem jest Sonnet 4.6 jako domyślny model oraz Opus 4.8 do wymagających zadań, wybierany przez przełącznik `/model`. Dzięki temu płacisz mniej, a jednocześnie właściwie obsługujesz trudniejsze zadania.
## Co NIE działa w Opus 4.8?
Najważniejszy wniosek
Trzy znane słabości. Po pierwsze — strategia oparta na dużej ilości danych: praktyczne doświadczenia pokazują, że analiza i praca nad roadmapą wypadają gorzej niż w 4.7. Po drugie — „ostatnie 10%”: model ma trudności z obsługą przypadków brzegowych w istniejących bazach kodu. Po trzecie — halucynacje nadal występują, zwłaszcza gdy kontekst jest niewystarczający. Nie przekreśla to aktualizacji, ale warto o tym wiedzieć, by uniknąć rozczarowania.
Według praktycznych relacji Opus 4.8 wypada słabiej w trzech obszarach:
1. **Strategia i roadmapy oparte na dużej ilości danych.** Praktyczne doświadczenia pokazują, że do analiz nadal lepiej sprawdza się 4.7. Jeśli Twoim głównym zastosowaniem jest tworzenie tabeli metryk i proponowanie roadmapy, najpierw wypróbuj 4.8; jeśli sobie nie poradzi, wróć do 4.7 za pomocą `/model claude-opus-4-7`.
2. **„Ostatnie 10%” w istniejących bazach kodu.** Model bardzo dobrze radzi sobie z pracą greenfield (nowym projektem od podstaw), ale ma trudności z rozwijaniem starego kodu — przypadkami brzegowymi i konkretnymi osobliwościami architektury. To typowa słabość modeli rozumujących: dobrze generują, ale słabo „dopracowują” coś, co już istnieje.
3. **Halucynacje nadal występują.** Stwierdzenie „4× mniejsze prawdopodobieństwo przeoczenia błędów” oznacza, że model częściej mówi „nie wiem”, ale gdy kontekst jest niewystarczający, nadal może podać wiarygodnie brzmiącą nieprawdę. Zabezpieczeniem jest kontekst projektu: im pełniejszy jest `CLAUDE.md`, tym mniej miejsca pozostaje na halucynacje.
Nie oznacza to „nie aktualizuj”. Oznacza: poznaj ograniczenia i zachowaj Sonnet 4.6 oraz Opus 4.7 jako modele zapasowe.
## Co będzie po Opus 4.8?
Najważniejszy wniosek
W ogłoszeniu z maja 2026 roku Anthropic zasugerował „modele klasy Mythos w nadchodzących tygodniach” — kolejną generację, której można się spodziewać w czerwcu 2026. Jeśli więc wybierasz między „aktualizować teraz czy poczekać”, odpowiedź brzmi: aktualizuj, ale nie inwestuj w duże migracje przed premierą Mythos. W praktyce: wypróbuj Opus 4.8 w bieżących projektach; nie przebudowuj infrastruktury wokół workflowów przed czerwcem.
W języku Anthropic „nadchodzące tygodnie” zwykle oznaczają 4–8 tygodni. Innymi słowy, model klasy Mythos najprawdopodobniej ukaże się w czerwcu–lipcu 2026. Zmienia to strategię:
- **Jeśli Twoje obecne projekty używają Sonnet 4.6 lub Opus 4.7** — zaktualizuj model do 4.8 i wypróbuj xhigh oraz workflowy w konkretnych zadaniach. To bezpłatna aktualizacja pod względem ceny.
- **Jeśli planowałeś dużą migrację z użyciem workflowu** — nie spiesz się. Za miesiąc lub dwa może pojawić się model, który poradzi sobie z tym jeszcze lepiej. Możesz zacząć od eksperymentu na jednym module, aby zrozumieć, jak to działa.
- **Jeśli zamierzałeś przebudować infrastrukturę wokół Dynamic Workflows** — poczekaj. Mythos może zmienić podstawowe wzorce.
Główna rada wynikająca z tej niepewności: zachowaj elastyczność. Opus 4.8 to dobra, stopniowa aktualizacja. Mythos może przynieść skok. Nie inwestuj w gruntowną przebudowę miesiąc przed możliwą premierą nowego modelu.
### Źródła
- [Introducing Claude Opus 4.8 - Anthropic](https://www.anthropic.com/news/claude-opus-4-8)
- [What's new in Claude Opus 4.8 - Claude API Docs](https://platform.claude.com/docs/en/about-claude/models/whats-new-claude-4-8)
- [Orchestrate subagents at scale with dynamic workflows - Claude Code Docs](https://code.claude.com/docs/en/workflows)
- [Introducing dynamic workflows in Claude Code - Anthropic blog](https://claude.com/blog/introducing-dynamic-workflows-in-claude-code)
- [Claude Code releases v2.1.154-156 - GitHub](https://github.com/anthropics/claude-code/releases)
- [Claude Opus 4.8 is generally available for GitHub Copilot - GitHub Changelog](https://github.blog/changelog/2026-05-28-claude-opus-4-8-is-generally-available-for-github-copilot/)
Odkrywaj dalej Ailoot na [ailoot.ai](https://ailoot.ai/).
## Pytania i odpowiedzi
### Czy Dynamic Workflow może uruchomić 1000 agentów jednocześnie?
Nie. Limit wykonawczy opisany w artykule to do 16 agentów jednocześnie i łącznie do 1000 uruchomień w całym przebiegu. Duży zestaw plików przetwarzany jest w partiach w granicach współbieżności.
### Jak oszacować koszt dużego workflowu?
Zsumuj wejście i wyjście faktycznie uruchomionych agentów i zastosuj właściwe stawki tokenowe. Fast Mode podwaja te stawki; ani limit 16 jednocześnie, ani 1000 łącznie nie jest stałym mnożnikiem kosztu zwykłego zadania.
## Ailoot · Firma i jej portfel projektów
Ailoot opiera się na zgromadzonym doświadczeniu operacyjnym, szerokiej bazie klientów, stabilnej usłudze i stałej kontroli KPI.
Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach.
Ailoot wykorzystuje to doświadczenie operacyjne, zapewniając dostęp przez API do funkcji AI w produktach klientów, agentach, aplikacjach i automatyzacjach.