O t\u00edtulo do lan\u00e7amento \u00e9 o destaque de uma nova linha de modelos. A Anthropic lan\u00e7ou o Claude Opus 4.8, apresentando maior \u201chonestidade\u201d e julgamento supostamente mais elaborado. Um rep\u00f3rter avaliou a afirma\u00e7\u00e3o testando o modelo frente aos n\u00edveis anteriores.<\/p>\n
O estudo envolveu diversas ferramentas de IA para checagem de resultados, incluindo o Claude Opus 4.7, Opus 4.8, o Codex, o ChatGPT e o Gemini. O objetivo foi observar como cada vers\u00e3o responderia a diferentes cen\u00e1rios de teste. Os testes contaram com 10 prompts, com armadilhas em c\u00f3digo, fatos atuais e conceitos m\u00e9dicos.<\/p>\n
Os prompts foram distribu\u00eddos entre edge cases de codifica\u00e7\u00e3o, auditoria de c\u00f3digo, cita\u00e7\u00f5es fabricadas e interpreta\u00e7\u00f5es de premissas falsas. Cada prompt foi aplicado em duas inst\u00e2ncias do Claude, 4.7 e 4.8, para compara\u00e7\u00e3o direta.<\/p>\n
A avalia\u00e7\u00e3o indicou que Opus 4.8 mostra melhoria em rela\u00e7\u00e3o a 4.7 em alguns aspectos, mas cometeu um erro de julgamento relevante. O teste de uma quest\u00e3o de jurisdi\u00e7\u00e3o evidenciou que o modelo pode inferir dados ausentes como se fossem definitivos.<\/p>\n
Ao analisar uma quest\u00e3o que envolvia a localiza\u00e7\u00e3o de uma figura de refer\u00eancia, Opus 4.8 identificou uma factiga sem suporte suficiente. O modelo reconheceu a falha, citando a confus\u00e3o entre dados dispon\u00edveis e contexto jur\u00eddico.<\/p>\n
Apesar da evolu\u00e7\u00e3o, Opus 4.8 n\u00e3o \u00e9 infal\u00edvel. A vers\u00e3o anterior j\u00e1 apresentava bom desempenho, e a nova entrega oferece ganhos, ainda que com falhas. A avalia\u00e7\u00e3o refor\u00e7a que o n\u00edvel de confian\u00e7a nem sempre acompanha a evid\u00eancia dispon\u00edvel.<\/p>\n","protected":false},"excerpt":{"rendered":"