Em menos de duas semanas no fim de maio de 2026, três modelos frontier atualizaram ao mesmo tempo: Claude Opus 4.8, GPT-5.5 e Gemini 3.1 Pro. Para quem usa agente de programação no dia a dia, isso levanta uma pergunta direta: o que mudou nos benchmarks e o que muda na sua fatura?
A resposta curta: Opus 4.8 lidera por margem real. A resposta longa envolve Fast Mode, $50 por milhão de tokens de saída e uma matemática que a Anthropic preferiu não colocar em negrito no anúncio.
O que o SWE-bench Pro realmente mede?
O SWE-bench Pro é o benchmark que mais se aproxima do trabalho real de desenvolvimento. O modelo recebe um issue de repositório open source real (Django, scikit-learn, Flask, Sympy) e precisa resolver de forma autônoma, sem ver a solução. O resultado é validado pelas suítes de teste originais do repositório.
Não é autocomplete. Não é "me explique esse código". É resolver um bug em condições de produção, com avaliação determinística. Para quem avalia agente de programação, não existe métrica mais honesta disponível hoje. O SWE-bench Verified, versão mais fácil, tende a compactar as diferenças entre modelos, o que explica o resultado surpreendente na tabela abaixo.
Claude Opus 4.8 vs GPT-5.5 vs Gemini 3.1: os números de junho de 2026
Claude Opus 4.8 foi lançado em 28 de maio de 2026. Os benchmarks já consolidados:
| Modelo | SWE-bench Pro | SWE-bench Verified | Output ($/1M) |
|---|---|---|---|
| Claude Opus 4.8 | 69.2% | 88.6% | $25 padrão / $50 Fast Mode |
| GPT-5.5 | 58.6% | 88.7% | n/d |
| Gemini 3.1 Pro | 54.2% | 46.1% | n/d |
| DeepSeek V4-Pro-Max | sem entrada SEAL | 80.6% | open source |
| Claude Opus 4.7 (anterior) | 64.3% | 87.6% | $15 padrão |
Fontes: morphllm.com/swe-bench-pro, Vellum AI, Claude Opus 4.8 Benchmarks Explained.
O dado que mais importa: no SWE-bench Verified, GPT-5.5 e Opus 4.8 ficam praticamente empatados (88.7% vs 88.6%). Mas no SWE-bench Pro, onde as tarefas são significativamente mais difíceis, Opus 4.8 abre 10 pontos de vantagem sobre o GPT-5.5. Esse gap não é ruído estatístico. Opus 4.8 resolveu 10% mais problemas difíceis que o GPT-5.5 falhou.
A melhoria em relação ao Opus 4.7 também é concreta: +4.9pp no SWE-bench Pro (de 64.3% para 69.2%) e +1pp no Verified. Para benchmark de coding, 5 pontos percentuais numa única geração é resultado expressivo.
O que é o Fast Mode, e por que o preço muda o cálculo?
A Anthropic lançou junto com o Opus 4.8 o Fast Mode: 2.5x a velocidade de inferência padrão. O preço: $10/1M tokens de entrada e $50/1M de saída, o dobro da taxa padrão ($5/$25).
Para um dev que usa agente de programação em sessão longa, isso muda o cálculo de custo de forma relevante. Uma refatoração ativa gera facilmente 50.000 tokens de saída por hora. O que acontece em uso intenso:
50 mil tokens de saída/hora x 8h/dia x 22 dias = 8.8M tokens de saída/mês
Fast Mode: $50/1M x 8.8M = $440/mês (R$ 2.420) apenas em output
Standard Mode nas mesmas condições: $220/mês (R$ 1.210)
Isso é só o custo do modelo de backend, fora IDE, infra e o restante do stack. Fast Mode resolve um problema real de latência para demos ao vivo ou pair programming presencial. Para refatoração assíncrona, o Standard já é suficiente e sai na metade do preço.
Open source está chegando perto, mas o gap existe
O dado mais revelador da tabela acima não é o primeiro lugar. É o DeepSeek V4-Pro-Max com 80.6% no SWE-bench Verified: open source, pesos disponíveis, custo de inferência próximo de zero comparado ao frontier proprietário.
No Verified, a diferença entre open source de ponta e Opus 4.8 caiu para 8 pontos. Em maio de 2025, esse gap seria de 30 pontos. No SWE-bench Pro, o gap é maior porque modelos como o deepseek-v4-flash ainda não têm entradas SEAL consolidadas. Mas a direção é clara: convergência acontecendo em tempo real.
Para a maioria dos casos de uso cotidiano de desenvolvimento, 80% de capability open source já resolve. A diferença de 8 pontos no Verified não se traduz automaticamente em 8% de produtividade a menos em features novas, code review ou refatoração com contexto claro.
Para qual tipo de uso o Opus 4.8 justifica o custo?
Três cenários onde o gap de 10 pontos no SWE-bench Pro faz diferença mensurável:
- Bugs em código legado mal documentado. Contexto ambíguo, dependências implícitas, zero cobertura de teste. Aqui o modelo mais capaz entrega resultado que os menores não conseguem encadear.
- Tarefas de horizonte longo com múltiplos arquivos interdependentes. O SWE-bench Pro mede exatamente esse tipo de raciocínio encadeado. O gap de 10 pontos vem principalmente dessas tasks.
- Fast Mode em demos ou pair programming ao vivo. Se latência é o gargalo e a sessão é curta, o custo por sessão ainda é razoável. Para uso contínuo de 8h/dia, o cálculo inverte.
Para refatoração de módulo com contexto claro, features novas em codebase bem documentada ou revisão de PR, open source de 80% chega lá. Pagar 2x por token de output no Fast Mode não muda o resultado final do merge.
O que os 119 devs do Verboo Code fazem diferente
Os 119 devs que usam Verboo Code hoje, com MRR de R$ 17.236 e crescimento de +499%, não ficam calculando custo por token. Não porque ignoram qualidade: porque tokens ilimitados mudam o comportamento antes de mudar a fatura.
Você pede cinco variações de implementação e escolhe a melhor. Você pede o agente para refatorar o arquivo inteiro antes de revisar o resultado. Você testa abordagens alternativas antes de mergear. Isso é tokenmaxxing na prática: a vantagem não é só custo, é como você usa o agente de programação quando o token custa zero por sessão.
O Verboo Code roda 6 modelos open source em GPU dedicada, incluindo deepseek-v4-flash e qwen3.6-27b, dois dos mais fortes no ecossistema open de coding hoje. Para a maioria dos workflows de desenvolvimento cotidiano, esses modelos chegam a 80%+ da capability do Opus 4.8 no SWE-bench Verified. Por R$ 75/mês flat, tokens ilimitados.
Quer testar esses modelos sem pagar por token? Verboo Code roda os principais open source com tokens ilimitados.
O que o Opus 4.8 diz sobre a direção do mercado
Claude Opus 4.8 é tecnicamente impressionante. 69.2% no SWE-bench Pro é o melhor resultado disponível em modelo proprietário de código hoje, com margem real sobre os concorrentes. A melhoria de quase 5 pontos em relação ao Opus 4.7 numa única geração confirma que o frontier ainda avança.
Mas Fast Mode a $50/1M de saída deixa clara qual é a aposta de produto da Anthropic: a empresa está mirando em quem precisa de velocidade mais do que de custo previsível. Para o dev que usa agente de programação 6-8 horas por dia, a matemática do custo aponta em outra direção.
O gap entre frontier e open source está caindo. A pergunta não é mais se modelo proprietário é melhor. É quanto a diferença que ainda existe vale para o seu caso de uso específico, na hora de decidir o que vai na sua fatura do mês.
