Claude Opus 4.8 blinkt uit in long-horizon agentic werk, kennistaken, vision en geheugen. Het draait goed out of the box op bestaande Claude Opus 4.7-prompts, dus je hoeft zelden vanaf nul te beginnen. De kern: dit model volgt instructies letterlijk, kalibreert zelf zijn lengte en denkdiepte, en stuur je vooral via de effort-parameter in plaats van via extra prompt-trucs. Specificeer wat je wilt expliciet, dan krijg je voorspelbaar gedrag.

Stuur op effort, niet op omwegen

De effort-parameter ruilt intelligentie tegen snelheid en kosten. Anthropic adviseert xhigh als startpunt voor coding en agentic use cases, en minimaal high voor intelligentie-gevoelige taken. De overige niveaus:

• max — voor de zwaarste taken; kan overthinken en diminishing returns geven.
• xhigh — beste keuze voor de meeste coding- en agentic-scenario’s.
• high — balans tussen tokengebruik en intelligentie.
• medium — voor kostengevoelige taken die wat intelligentie mogen inleveren.
• low — alleen voor korte, afgebakende en latency-gevoelige taken.

Zie je oppervlakkig redeneren bij een complex probleem? Verhoog effort naar high of xhigh in plaats van eromheen te prompten. Effort is bij dit model belangrijker dan bij elke eerdere Opus, dus experimenteer er actief mee.

Thinking staat standaard uit

Thinking is uit tenzij je expliciet thinking: {type: "adaptive"} zet. Bij adaptive thinking beslist het model zelf wanneer en hoeveel het denkt, op basis van effort en query-complexiteit. Denkt het model je te vaak (kan gebeuren bij grote of complexe system prompts), stuur dan bij:

Thinking adds latency and should only be used when it will
meaningfully improve answer quality — typically for problems
that require multi-step reasoning. When in doubt, respond directly.

Draai je op max of xhigh? Zet dan een ruim max output token-budget (begin bij 64k) zodat het model ruimte heeft om te denken en te handelen.

Letterlijke instructie-opvolging

Opus 4.8 interpreteert prompts letterlijk en expliciet, zeker bij lagere effort-niveaus. Het generaliseert een instructie niet stilzwijgend naar andere items en verzint geen verzoeken die je niet stelde. Dat geeft precisie en minder thrash — ideaal voor structured extraction en pipelines. Wil je dat een instructie breed geldt, benoem de scope: bijvoorbeeld “Apply this formatting to every section, not just the first one”.

Lengte, toon en tool-gebruik

Het model kalibreert de responslengte op de complexiteit van de taak: korter bij simpele lookups, langer bij open analyse. Hangt je product aan een vaste stijl, tune dan je prompt — positieve voorbeelden van de gewenste beknoptheid werken beter dan zeggen wat het model niet moet doen. De prozastijl neigt naar direct en opinieus, met spaarzaam emoji-gebruik; wil je warmer, vraag daar expliciet om. Opus 4.8 verkiest redeneren boven tool-calls; meer tool-gebruik krijg je vooral door effort te verhogen (high/xhigh) of door expliciet te beschrijven wanneer en hoe een tool ingezet moet worden.

Few-shot, XML en grounding

Voorbeelden zijn een van de betrouwbaarste manieren om format, toon en structuur te sturen; gebruik 3–5 relevante, diverse voorbeelden gewikkeld in -tags. Structureer complexe prompts met XML-tags (, , ) om misinterpretatie te beperken. Bij lange documenten (20k+ tokens): zet de longform-data bovenaan, boven je vraag, en laat Claude eerst relevante passages citeren voordat het de taak uitvoert om door de ruis heen te snijden.

De gratis prompt-coach is gebouwd rond de KOMPAS-methode, die precies op deze werkwijze aansluit: Kader (rol en context), Opdracht (één expliciete taak), Material/voorbeelden (few-shot in XML), Parameters (effort en thinking bewust kiezen), Afbakening (scope letterlijk benoemen) en Structuur (gewenst outputformaat). Zo benut je de literalisme en zelf-kalibratie van Opus 4.8 in plaats van ertegen te werken. Wil je dit samen op jouw eigen prompts toepassen, kijk dan bij coaching. Gebaseerd op de officiële documentatie van Anthropic.