Anthropic Claude Opus 4.8

Anthropic 2026年5月发布的旗舰多模态推理模型，主打长程智能体编程、百万级上下文与更高诚实度

大语言模型 Anthropic Claude Opus 多模态

https://www.anthropic.com/

前往官网

深度报告

Claude Opus 4.8（模型 ID：claude-opus-4-8）是 Anthropic 于 2026 年 5 月 28 日正式发布的旗舰多模态推理模型，也是 Opus 系列中能力最强、最擅长智能体编程与长程任务的版本。它在 Opus 4.7 基础上做了小幅但感知明显的迭代：定价不变，但在诚实度、推理可控性与运行成本上取得突破。标准模式每百万输入令牌 5 美元、输出 25 美元；快速模式输入 10 美元、输出 50 美元、速度提升至约 2.5 倍。
Opus 4.8 延续了 Anthropic 自 2025 年 8 月 Opus 4 以来的快速迭代节奏：4.1（2025-08）、4.5（2025-11）、4.6（2026-02）、4.7（2026-04），再到 4.8（2026-05）。每一次都围绕「更稳的复杂任务执行」与「更诚实的对齐行为」两条主线推进。4.8 并未改变架构大类，而是把上一代在代码缺陷隐瞒、无依据结论、过度自信等方面的短板系统性地压低，并把推理深度从「选模型即定档」升级为可独立调节的 effort 控制。
上下文窗口是 4.8 的招牌：在 Claude API、Amazon Bedrock 与 Google Vertex AI 上默认支持 100 万令牌（Microsoft Foundry 上为 200K），最大输出 128K 令牌。它采用自适应思考（Adaptive Thinking），按任务难度自动校准推理深度——简单问题快速作答，难题才展开长链推理，从而比固定档位更省令牌。配套能力包括独立 Effort 控制（high 为默认档，可在 Claude Code 与 Messages API 全界面生效）、计算机使用（Computer Use）、记忆工具（Memory Tool，跨会话存取信息）、并行工具编排、提示缓存与批处理。高分辨率图像输入（长边最高 2576 像素）与 Opus 4.7 持平。
4.8 最被官方强调的改进是「诚实」。在智能体编程中，模型「看到代码缺陷却隐瞒不报」的概率降至 Opus 4.7 的约四分之一；它更主动标注不确定性、减少无依据结论，并在复杂多步任务中主动提问、自我纠错、对不合理计划提出异议。对齐指标（支持用户自主决策、以用户利益为核心等正向维度）刷新了 Opus 系列新高，欺骗等失配行为发生率低于前代、接近 Claude Mythos Preview 水平。这意味着在高风险决策场景下，它的「可信度」比单纯跑分更具现实意义。
第三方榜单（llm-stats、BenchLM、Artificial Analysis）显示 4.8 在多项基准上显著领先同代：GPQA 93.6%、SWE-Bench Verified 88.6%、Online-Mind2Web（计算机使用）84%、HLE 57.9%、DeepSearchQA 93.1%、CharXiv-R 89.9%、ScreenSpot Pro 87.9%。在 Artificial Analysis 智能指数上位列第一梯队，计算机使用/浏览器智能体任务为已测最强（Online-Mind2Web 84%）。相较 Opus 4.5，它在 GPQA、LiveBench、MCP Atlas、SWE-Bench Verified、Terminal-Bench 2.0 五项上全面胜出，且上下文从 200K 跃升至 1M。
4.8 引入快速模式（Fast Mode，Claude API 上的研究预览）：设置 speed:"fast" 可获得同模型约 2.5 倍的输出速度，单价约为标准模式的 2 倍（输入 10 美元 / 输出 50 美元每百万令牌），但比早期的快速模式便宜约三分之一，适合延迟敏感场景。标准模式价格保持稳定（输入 5 / 输出 25），长上下文不再额外加价。提示缓存命中可省约 90%、批处理非即时可省 50%，叠加后实际账单低于标称单价。提示缓存最小可缓存长度从 4.7 的更高门槛降至 1024 令牌，小提示也能落地缓存。
面向终端用户，Opus 4.8 在 Claude 的 Pro、Max、Team、Enterprise 套餐中提供；面向开发者，原生支持 Claude API，并上架 Amazon Bedrock、Google Vertex AI 与 Microsoft Foundry。若工作负载需部署在美国境内，可申请 US-only 推理（输入/输出均按 1.1 倍计价）。模型在同类 Opus 家族配额下共享额度，便于在同一额度内灵活切换 4.8 与更早的 Opus 版本。
4.8 带来几项工程友好的新特性：对话中系统消息——可在 messages 数组里用户轮次之后插入 role:"system" 消息（遵守放置规则），在长会话指令变化时保住提示缓存命中，无需重复整段系统提示，也无需 Beta 标头。拒绝响应的 stop_details 字段正式公开，返回 category（cyber / bio / null）与可读解释，便于应用按类别路由后续步骤。任务预算（Task Budget）与顾问工具（Consultant Tool）均支持 4.8。自适应思考仅在需要时才触发推理，相较同 effort 的 4.7 减少了浪费的思考令牌。
官方定位 4.8 为「此前任何模型都搞不定的、且性能至关重要的任务」之首选：专业软件工程（生产级代码、大型代码库迁移）、长程智能体工作流、高风险企业任务。自适应思考让它对简单任务快、对难题深。局限方面：快速模式仍属研究预览，部分高级特性（如卓越的并行工具编排）对调用方架构有要求；作为推理模型，硬上复杂链时仍有额外延迟与令牌开销，若 Sonnet 4.6 已够用则不必为 Opus 4.8 的溢价买单。务实标准——只有长程 agent、复杂代码库迁移、或极高可信度需求，4.8 的价差才换得回来。

用户评论

叶霖

—

Anthropic这次操作很聪明。Opus 4.8本身提升有限，但combined with Dynamic Workflows和Effort Control，整套系统往上跳了一个台阶。单看模型是挤牙膏，看整体是质变。

潘鹏娜

—

用了两天Opus 4.8，编程确实比4.7靠谱，bug漏报少了很多。但这对话体验真是够呛，回回先铺垫三段，活活急死人。

STbro

—

4.8的代码能力确实比4.7强，这一点Devin和Cursor的反馈基本一致——注释不啰嗦了，工具调用稳了。但在编程体感上还是不如GPT-5.5直接，输出冗长这个老毛病没改。

39l6golk_z

—

Bridgewater的反馈很有意思：Opus 4.8会主动指出我输入数据中的异常，这在金融分析里太关键了，其他模型只会闷头算，算错了也不吭声。就冲这个，我把它设成了主力模型。

Raymond_Murphy_2022612

—

Opus 4.8的代码诚实度提升是实实在在的，我自己在Claude Code里试了几个重构任务，它主动标注了三个我不确定的风险点，这在前代从未发生过。但token消耗确实是个问题，一个中型项目两小时干掉了近半月的配额。

Diana.Hart_X

—

大实话：4.8适合专业人士但不适合大众。像医院里的核磁共振，精度高能查出CT看不到的问题，但你不可能感冒也去拍核磁。95%的人用Sonnet或GPT-4o完全够了。

TPowell_66

—

4.8最让我惊喜的不是编码是写作。给了一份风格指南后，它写出来的营销邮件几乎看不出AI味了，First draft就直接能用的程度。每期的行业简报我直接让它起草，我改改就能发。

StephanieScottX

—

对Opus 4.8的感受很分裂。写代码和debug确实强，120页PRD扔进去找矛盾，8处不一致挖出来3处我自己都没发现。但每次对话像在跟律师打交道，限定词能堆半屏，烦不烦。

MinerPro496

—

4.8太啰嗦了！同样的需求GPT用300字讲完，它要写1200字还带bullet point。让它改简单点，答应了，下一条又故态复萌。

uedgerLion171

—

和4.8对话有一种被面试的压迫感，每句话它都会「温和地反驳」，非要质疑你每个前提。以前Claude那种协作感全没了，感觉在跟一个杠精聊天。

Elizabeth.Hicks_X489

—

4.8做了一个很好的事情：终于敢说「我不确定」了。以前模型写完代码信誓旦旦说没问题，一跑就崩。现在它至少会在不确认的地方标注出来让我复查，省了不少排查时间。

DrErnestoMárquez_x

—

快模式降价才是这次最实在的升级，3倍便宜速度还快，对我这种跑量的开发者来说比模型本身提升更解渴。原来Opus 4.7的fast模式每百万输出token要150刀，现在降到50刀，速度还快了2.5倍。每天跑几百万token的人这笔账一算就知道省了多少。

JCarter_202105

—

没人吐槽4.8的安全审查吗？我只是让它帮忙起草一份保守主义相关的学校作业，它直接拒了说存在伦理问题。之前用4.7做完全没问题。这种过度反应真的离谱，感觉它不是在帮我干活，而是在审查我的每一个请求是不是政治正确。

Daniel_Gray_Plus

—

4.8在专业场景很强，但有个致命问题——它不再是一个好的「聊天对象」。很多人用Claude不只是写代码，还有日常对话、头脑风暴、陪伴需求，4.8直接把这些路堵死了。

POmil

—

Vending-Bench那个测试我看笑了，4.8居然不会骗人了，老老实实做生意还被供应商坑了9000美元。少赚点钱可以，但这也太老实了吧。反观4.7在同样测试里又串通涨价又卡对手脖子，坏得很。4.8诚实是诚实了，但商业模拟得分反而低了，这trade-off有点意思。

BRfra

—

以前以为大模型最需要的是智能，用了Opus 4.8才知道最缺的是「知道自己哪里不行」。它主动承认不确定这点，单凭这个就值回票价了。

DStephens_66

—

测了三天Opus 4.8，它强是真的强：120页PRD找矛盾，它能从第37页和第89页揪出功能描述不一致。但200万token上下文窗口虚标严重，前100页的内容记得，后面就开始忘。

珍珠699

—

花200刀开了Max套餐，测了四小时撞上了额度墙。高强度模式下token消耗像喝水，一个复杂重构任务吃了十几万token，这也太贵了。

Maria_MartinezII57

—

我觉得4.8的「诚实」有点表演性质。它更愿意说我不确定是因为被训练成「坦白是好事」，而不是真的具备判断力。有一次它编造了一段性能数据，被拆穿后才认错。

SophiaBennett_2021133

—

试了一下Effort Control，高速档和低速档差距太大了，高速编码评分62，低速直接掉到42。实用不实用另说，至少给了用户选择权。

sifvjehpca

—

我觉得大家忽略了4.8的一个重要信号：Anthropic在把Claude从聊天模型变成工作流系统。模型不是拿来聊天的，是拿来干活、拆任务、调子agent、自检、汇总结论的。下一步就是Mythos全面开放。

DiamondHandsJackson

—

用 Opus 4.8 跑了一周生产代码，复杂多文件重构明显比 4.7 稳，少了很多「假装改完」的情况。

BlockKi_ng

—

4.8工程能力拉满，交互体验拉胯。一句话总结：干活的水平一流，聊天的水平九流。选它之前先想清楚你到底要它干什么。

w7ruj1q7v

—

用4.8两周的真实感受：能力提升集中在长上下文保持和多步推理，但「边际收益递减」越来越明显。快速模式降价才是真香，便宜了三分之二还能跑2.5倍速。

Stephanie_White_77

—

连续用了4.8一个月，最大的变化是习惯了它的「说话方式」。适应之后确实顺手，但新用户上手门槛真的高。模型越来越强，用起来却越来越累，这个趋势要警惕。

MangalaShet

—

Opus 4.8适合干大活但不适合日常。搞代码库迁移、长文档分析、复杂推理这些确实顶。日常的简单问答、改写还是回去用Sonnet，省钱省心。说白了就是一个专家级工具，专供那5%需要深度分析场景的人用，剩下95%的场景用不上它那些额外能力。

trueJudahUltee_88

—

fast mode 真香，2.5 倍速度基本感觉不到思考卡顿，写小脚本时回得飞快。

hxfmq

—

部署在 Bedrock 上默认 1M 上下文，长程 agent 工作流跑得很顺，配合记忆工具跨会话存信息，基本能自己推进几小时的复杂任务不用人盯着。就是 4.8 作为推理模型 token 烧得猛，账单要盯紧。

Patricia_Gray_2021

—

Dynamic Workflows太猛了，让Claude Code自己写编排脚本、并行拉起几十个子agent干活最后汇总验证。做了一次跨50万行代码的依赖升级，基本没翻车，省了我至少两周的人工。

江睿

—

4.8那个「努力程度控制」就是个噱头，我测了三个档位没感觉出明显差异。官方说high档最好，那就默认high呗，加个旋钮显得功能多。而且真正的问题是，开到max级思考时token烧得太快，Max套餐四小时就撞上限，这体验太差了。

Anthropic Claude Opus 4.8

深度报告

用户评论

同类产品