Cosa è stato annunciato
A fine maggio 2026 Anthropic ha rilasciato Claude Opus 4.8 (model id claude-opus-4-8) e, in concomitanza, ha introdotto i Dynamic Workflows in Claude Code. Le due novità vanno lette insieme: un modello più capace e un modo nuovo di metterlo al lavoro, non più con un singolo prompt ma con un’orchestrazione di più agenti descritta da codice.
Opus 4.8 è disponibile su Claude.ai e Cowork, via Claude API e attraverso i principali cloud provider (Amazon Bedrock, Google Cloud Vertex AI, Microsoft Foundry). I prezzi restano invariati rispetto a Opus 4.7: 5 $/milione di token in input e 25 $/milione in output (10 $/50 $ in fast mode).
Cosa cambia in Opus 4.8
Anthropic posiziona Opus 4.8 come il modello generalmente disponibile più capace, con miglioramenti dichiarati su due fronti: il coding (meno difetti lasciati passare nel codice generato) e l’honesty, ossia una maggiore propensione a segnalare incertezze invece di produrre affermazioni non supportate. Sono inoltre corretti due comportamenti di Opus 4.7: la verbosità eccessiva dei commenti e alcune imprecisioni nel tool-calling.
Per chi lavora ad applicazioni AI, l’aspetto interessante non è solo la qualità del singolo output, ma il fatto che un modello più affidabile è il presupposto per delegargli compiti più lunghi e meno supervisionati — esattamente lo scenario dei workflow multi-agente.
I Dynamic Workflows
Un Dynamic Workflow è uno script JavaScript che Claude scrive e il runtime esegue per coordinare molti subagent. Mentre lo script gira in background, la sessione resta reattiva; i risultati intermedi vivono in variabili dello script, non nella finestra di contesto del modello. Questo è il punto architetturale chiave: si possono processare grandi quantità di lavoro senza saturare il contesto.
Le primitive documentate sono due:
pipeline()— fa scorrere ogni elemento attraverso più stadi senza barriera: un item può essere allo stadio 3 mentre un altro è ancora al primo.parallel()— esegue più task in concorrenza ma è una barriera: attende il completamento di tutti prima di proseguire.
L’output strutturato è gestito da uno schema: passandolo a un agente, il subagent è forzato a restituire un oggetto validato a livello di chiamata di tool, con retry automatico in caso di mismatch — più robusto del semplice “restituisci un JSON”. Il runtime impone limiti precisi: fino a 16 agenti concorrenti e un massimo di 1.000 agenti per run, con le run riprendibili nella stessa sessione. Claude Code include anche un workflow pronto, /deep-research, che fa fan-out di ricerche, incrocia le fonti, sottopone ogni affermazione a una verifica avversariale a votazione e restituisce un report citato con i claim non sopravvissuti già scartati.
I Dynamic Workflows sono in research preview, non in disponibilità generale: richiedono una versione recente di Claude Code e sono accessibili sui piani a pagamento, oltre che via API e sui cloud Bedrock/Vertex/Foundry. Primitive, parole chiave di attivazione e limiti possono ancora cambiare.
Non “deterministico”, ma ripetibile
È un equivoco facile, e vale la pena chiarirlo: i Dynamic Workflows non rendono deterministico l’output. I subagent restano chiamate a un modello linguistico, quindi non deterministiche. Ciò che diventa ripetibile e leggibile è l’orchestrazione: quali agenti vengono lanciati, in quale ordine, con quali stadi di verifica, con quali vincoli. È la differenza tra un risultato improvvisato in un prompt e un processo codificato in uno script che si può versionare, rivedere ed eseguire di nuovo.
L’angolo: il rischio si sposta sul processo
Quando il lavoro passa da un prompt a un’orchestrazione di decine di agenti, il rischio si sposta dal modello al processo. Le domande rilevanti non sono più solo “il modello ha risposto bene?”, ma: quali strumenti possono usare gli agenti? quanto possono spendere? cosa viene tracciato? chi può fermarli?
I Dynamic Workflows offrono alcuni di questi controlli alla radice — i subagent ereditano la allowlist degli strumenti della sessione, girano in una modalità di approvazione definita, i limiti sul numero di agenti contengono il costo di uno script fuori controllo, e la feature può essere disabilitata centralmente a livello di organizzazione. Ma il principio è più generale, ed è quello che in noze chiamiamo Secure Governance: in un’infrastruttura agentica, policy, audit trail, redazione dei dati e interruttori di sicurezza non sono un layer da aggiungere a posteriori, ma una proprietà by design.
È la stessa tesi alla base di Admina, il framework Open Source di governance dell’AI sponsorizzato da noze, e del paradigma OISG — Open, Intelligent, Secure, Governed: più gli agenti diventano autonomi e orchestrati, più la governance dell’orchestrazione diventa il vero fattore abilitante per portarli in produzione.
Link: Introducing Claude Opus 4.8 — Anthropic · Orchestrate subagents at scale with dynamic workflows — Claude Code Docs