Claude Opus 4.8 masnachol wedi'i fesur
Canlyniadau cyhoeddedig ar gyfer barddoniaeth gaeth yn Gymraeg.
Y ffeithiau
| Datblygwr | Anthropic |
|---|---|
| Rhyddhawyd | 28 Mai 2026 |
| Trwydded | Perchnogol (API) |
| Amlieithog | Tabl o 15 iaith yn nogfennaeth Anthropic (Sbaeneg 98% → Iorwba tua 80% o berfformiad y Saesneg) — nid yw'r Gymraeg ynddo. Nododd sylwebaeth ar y cerdyn system fod tasgau amlieithog yn wendid cymharol. |
Yr hyn a fesurwyd gennym: y gynghanedd
Profwyd Opus 4.8 â'n protocol set gudd llawn: 40 o themâu na welwyd wrth hyfforddi, pum cynnig ar bob thema, ac un cyfle i ateb, heb gylch adborth nac awgrymiadau odli. Barnwyd pob llinell gan beiriant rheolau'r gynghanedd:
| Mesur | Opus 4.8 | Ein 9B (DPO r3) |
|---|---|---|
| Dilys-am-7-sillaf (crai) | 20.0% | 65.0% |
| Addas + dilys + newydd | 13.5% | 1.0% |
| Llinellau unigryw | 100% | 42% |
| Llinellau croes | 8 | 1 |
Sgoriodd y model 9B lleol 65.0% ar ffurf, o gymharu ag 20.0% i Opus. Ar y mesur cyfun o linellau dilys, addas a newydd, sgoriodd Opus 13.5% a'r model 9B 1.0%. Roedd pob un o linellau Opus yn unigryw, a chynhyrchodd wyth enghraifft o gynghanedd groes, o gymharu ag un gan y model 9B. Mae'r canlyniadau'n awgrymu cryfderau gwahanol o ran ystyr a rheolaeth ffurfiol.
Roedd rhai o linellau Opus mewn cywair mwy cyfoes na llinellau'r model bach, er enghraifft:
Gwylan wen ar y glan wag
— llinellau dilys a gafwyd wrth ddefnyddio'r protocol, Gorffennaf 2026
Nodwyd yn adroddiad y Coleg Cymraeg hefyd fod Claude ymhlith yr offer a brofwyd ar destunau academaidd Cymraeg — yn gywirwr defnyddiol, ond yn bathu ambell derm («hunanganolig» yn lle «hunanganolog»).
Canlyniad CymraegBench v0.1
| Sgôr gyffredinol | Rhesymu Cymraeg | Cymraeg ymarferol | Cyfieithu BLEU |
|---|---|---|---|
| 81.56 | 85.02 | 78.11 | 69.29 |
Opus 4.8 sydd yn bumed yn y sgorfwrdd estynedig ar ôl GPT-6 Astra, Opus 5, Muse Spark 1.2 a GPT-5.6 Sol. Un cais yn unig o 1,821 a wrthodwyd. Gweler y sgorfwrdd llawn a'r canlyniadau agored.