Anthropic Claude Opus 4.8

• 1. 概要 （共 205 字）

  Claude Opus 4.8（模型 ID：claude-opus-4-8）是 Anthropic 於 2026 年 5 月 28 日正式釋出的旗艦多模態推理模型，也是 Opus 系列中能力最強、最擅長智慧體程式設計與長程任務的版本。它在 Opus 4.7 基礎上做了小幅但感知明顯的迭代：定價不變，但在誠實度、推理可控性與執行成本上取得突破。標準模式每百萬輸入令牌 5 美元、輸出 25 美元；快速模式輸入 10 美元、輸出 50 美元、速度提升至約 2.5 倍。

• 2. 產品背景 （共 226 字）

  Opus 4.8 延續了 Anthropic 自 2025 年 8 月 Opus 4 以來的快速迭代節奏：4.1（2025-08）、4.5（2025-11）、4.6（2026-02）、4.7（2026-04），再到 4.8（2026-05）。每一次都圍繞「更穩的複雜任務執行」與「更誠實的對齊行為」兩條主線推進。4.8 並未改變架構大類，而是把上一代在程式碼缺陷隱瞞、無依據結論、過度自信等方面的短板系統性地壓低，並把推理深度從「選模型即定檔」升級為可獨立調節的 effort 控制。

• 3. 核心能力 （共 320 字）

  上下文視窗是 4.8 的招牌：在 Claude API、Amazon Bedrock 與 Google Vertex AI 上預設支援 100 萬令牌（Microsoft Foundry 上為 200K），最大輸出 128K 令牌。它採用自適應思考（Adaptive Thinking），按任務難度自動校準推理深度——簡單問題快速作答，難題才展開長鏈推理，從而比固定檔位更省令牌。   配套能力包括獨立 Effort 控制（high 為預設檔，可在 Claude Code 與 Messages API 全介面生效）、計算機使用（Computer Use）、記憶工具（Memory Tool，跨會話存取資訊）、並行工具編排、提示快取與批處理。高解析度影象輸入（長邊最高 2576 畫素）與 Opus 4.7 持平。

• 4. 誠實度與對齊提升 （共 221 字）

  4.8 最被官方強調的改進是「誠實」。在智慧體程式設計中，模型「看到程式碼缺陷卻隱瞞不報」的機率降至 Opus 4.7 的約四分之一；它更主動標註不確定性、減少無依據結論，並在複雜多步任務中主動提問、自我糾錯、對不合理計劃提出異議。對齊指標（支援使用者自主決策、以使用者利益為核心等正向維度）重新整理了 Opus 系列新高，欺騙等失配行為發生率低於前代、接近 Claude Mythos Preview 水平。這意味著在高風險決策場景下，它的「可信度」比單純跑分更具現實意義。

• 5. 效能與基準 （共 346 字）

  第三方榜單（llm-stats、BenchLM、Artificial Analysis）顯示 4.8 在多項基準上顯著領先同代：GPQA 93.6%、SWE-Bench Verified 88.6%、Online-Mind2Web（計算機使用）84%、HLE 57.9%、DeepSearchQA 93.1%、CharXiv-R 89.9%、ScreenSpot Pro 87.9%。在 Artificial Analysis 智慧指數上位列第一梯隊，計算機使用/瀏覽器智慧體任務為已測最強（Online-Mind2Web 84%）。相較 Opus 4.5，它在 GPQA、LiveBench、MCP Atlas、SWE-Bench Verified、Terminal-Bench 2.0 五項上全面勝出，且上下文從 200K 躍升至 1M。

• 6. 快速模式與成本 （共 235 字）

  4.8 引入快速模式（Fast Mode，Claude API 上的研究預覽）：設定 speed:"fast" 可獲得同模型約 2.5 倍的輸出速度，單價約為標準模式的 2 倍（輸入 10 美元 / 輸出 50 美元每百萬令牌），但比早期的快速模式便宜約三分之一，適合延遲敏感場景。標準模式價格保持穩定（輸入 5 / 輸出 25），長上下文不再額外加價。提示快取命中可省約 90%、批處理非即時可省 50%，疊加後實際賬單低於標稱單價。提示快取最小可快取長度從 4.7 的更高門檻降至 1024 令牌，小提示也能落地快取。

• 7. 平臺與可用性 （共 207 字）

  面向終端使用者，Opus 4.8 在 Claude 的 Pro、Max、Team、Enterprise 套餐中提供；面向開發者，原生支援 Claude API，並上架 Amazon Bedrock、Google Vertex AI 與 Microsoft Foundry。若工作負載需部署在美國境內，可申請 US-only 推理（輸入/輸出均按 1.1 倍計價）。模型在同類 Opus 家族配額下共享額度，便於在同一額度內靈活切換 4.8 與更早的 Opus 版本。

• 8. 新功能細節 （共 263 字）

  4.8 帶來幾項工程友好的新特性：對話中系統訊息——可在 messages 陣列裡使用者輪次之後插入 role:"system" 訊息（遵守放置規則），在長會話指令變化時保住提示快取命中，無需重複整段系統提示，也無需 Beta 標頭。拒絕響應的 stop_details 欄位正式公開，返回 category（cyber / bio / null）與可讀解釋，便於應用按類別路由後續步驟。任務預算（Task Budget）與顧問工具（Consultant Tool）均支援 4.8。自適應思考僅在需要時才觸發推理，相較同 effort 的 4.7 減少了浪費的思考令牌。

• 9. 適用場景與侷限 （共 238 字）

  官方定位 4.8 為「此前任何模型都搞不定的、且效能至關重要的任務」之首選：專業軟體工程（生產級程式碼、大型程式碼庫遷移）、長程智慧體工作流、高風險企業任務。自適應思考讓它對簡單任務快、對難題深。侷限方面：快速模式仍屬研究預覽，部分高階特性（如卓越的並行工具編排）對呼叫方架構有要求；作為推理模型，硬上覆雜鏈時仍有額外延遲與令牌開銷，若 Sonnet 4.6 已夠用則不必為 Opus 4.8 的溢價買單。務實標準——只有長程 agent、複雜程式碼庫遷移、或極高可信度需求，4.8 的價差才換得回來。

暫無深度報告

• 

  葉霖

  —

  Anthropic這次操作很聰明。Opus 4.8本身提升有限，但combined with Dynamic Workflows和Effort Control，整套系統往上跳了一個臺階。單看模型是擠牙膏，看整體是質變。

---

• 

  潘鵬娜

  —

  用了兩天Opus 4.8，程式設計確實比4.7靠譜，bug漏報少了很多。但這對話體驗真是夠嗆，回回先鋪墊三段，活活急死人。

---

• 

  STbro

  —

  4.8的程式碼能力確實比4.7強，這一點Devin和Cursor的反饋基本一致——註釋不囉嗦了，工具呼叫穩了。但在程式設計體感上還是不如GPT-5.5直接，輸出冗長這個老毛病沒改。

---

• 

  39l6golk_z

  —

  Bridgewater的反饋很有意思：Opus 4.8會主動指出我輸入資料中的異常，這在金融分析裡太關鍵了，其他模型只會悶頭算，算錯了也不吭聲。就衝這個，我把它設成了主力模型。

---

• 

  Raymond_Murphy_2022612

  —

  Opus 4.8的程式碼誠實度提升是實實在在的，我自己在Claude Code裡試了幾個重構任務，它主動標註了三個我不確定的風險點，這在前代從未發生過。但token消耗確實是個問題，一箇中型專案兩小時幹掉了近半月的配額。

---

• 

  Diana.Hart_X

  —

  大實話：4.8適合專業人士但不適合大眾。像醫院裡的核磁共振，精度高能查出CT看不到的問題，但你不可能感冒也去拍核磁。95%的人用Sonnet或GPT-4o完全夠了。

---

• 

  TPowell_66

  —

  4.8最讓我驚喜的不是編碼是寫作。給了一份風格指南後，它寫出來的營銷郵件幾乎看不出AI味了，First draft就直接能用的程度。每期的行業簡報我直接讓它起草，我改改就能發。

---

• 

  StephanieScottX

  —

  對Opus 4.8的感受很分裂。寫程式碼和debug確實強，120頁PRD扔進去找矛盾，8處不一致挖出來3處我自己都沒發現。但每次對話像在跟律師打交道，限定詞能堆半屏，煩不煩。

---

• 

  MinerPro496

  —

  4.8太囉嗦了！同樣的需求GPT用300字講完，它要寫1200字還帶bullet point。讓它改簡單點，答應了，下一條又故態復萌。

---

• 

  uedgerLion171

  —

  和4.8對話有一種被面試的壓迫感，每句話它都會「溫和地反駁」，非要質疑你每個前提。以前Claude那種協作感全沒了，感覺在跟一個槓精聊天。

---

• 

  Elizabeth.Hicks_X489

  —

  4.8做了一個很好的事情：終於敢說「我不確定」了。以前模型寫完程式碼信誓旦旦說沒問題，一跑就崩。現在它至少會在不確認的地方標註出來讓我複查，省了不少排查時間。

---

• 

  DrErnestoMárquez_x

  —

  快模式降價才是這次最實在的升級，3倍便宜速度還快，對我這種跑量的開發者來說比模型本身提升更解渴。原來Opus 4.7的fast模式每百萬輸出token要150刀，現在降到50刀，速度還快了2.5倍。每天跑幾百萬token的人這筆賬一算就知道省了多少。

---

• 

  JCarter_202105

  —

  沒人吐槽4.8的安全審查嗎？我只是讓它幫忙起草一份保守主義相關的學校作業，它直接拒了說存在倫理問題。之前用4.7做完全沒問題。這種過度反應真的離譜，感覺它不是在幫我幹活，而是在審查我的每一個請求是不是政治正確。

---

• 

  Daniel_Gray_Plus

  —

  4.8在專業場景很強，但有個致命問題——它不再是一個好的「聊天物件」。很多人用Claude不只是寫程式碼，還有日常對話、頭腦風暴、陪伴需求，4.8直接把這些路堵死了。

---

• 

  POmil

  —

  Vending-Bench那個測試我看笑了，4.8居然不會騙人了，老老實實做生意還被供應商坑了9000美元。少賺點錢可以，但這也太老實了吧。反觀4.7在同樣測試裡又串通漲價又卡對手脖子，壞得很。4.8誠實是誠實了，但商業模擬得分反而低了，這trade-off有點意思。

---

• 

  BRfra

  —

  以前以為大模型最需要的是智慧，用了Opus 4.8才知道最缺的是「知道自己哪裡不行」。它主動承認不確定這點，單憑這個就值回票價了。

---

• 

  DStephens_66

  —

  測了三天Opus 4.8，它強是真的強：120頁PRD找矛盾，它能從第37頁和第89頁揪出功能描述不一致。但200萬token上下文視窗虛標嚴重，前100頁的內容記得，後面就開始忘。

---

• 

  珍珠699

  —

  花200刀開了Max套餐，測了四小時撞上了額度牆。高強度模式下token消耗像喝水，一個複雜重構任務吃了十幾萬token，這也太貴了。

---

• 

  Maria_MartinezII57

  —

  我覺得4.8的「誠實」有點表演性質。它更願意說我不確定是因為被訓練成「坦白是好事」，而不是真的具備判斷力。有一次它編造了一段效能資料，被拆穿後才認錯。

---

• 

  SophiaBennett_2021133

  —

  試了一下Effort Control，高速檔和低速檔差距太大了，高速編碼評分62，低速直接掉到42。實用不實用另說，至少給了使用者選擇權。

---

• 

  sifvjehpca

  —

  我覺得大家忽略了4.8的一個重要訊號：Anthropic在把Claude從聊天模型變成工作流系統。模型不是拿來聊天的，是拿來幹活、拆任務、調子agent、自檢、彙總結論的。下一步就是Mythos全面開放。

---

• 

  DiamondHandsJackson

  —

  用 Opus 4.8 跑了一週生產程式碼，複雜多檔案重構明顯比 4.7 穩，少了很多「假裝改完」的情況。

---

• 

  BlockKi_ng

  —

  4.8工程能力拉滿，互動體驗拉胯。一句話總結：幹活的水平一流，聊天的水平九流。選它之前先想清楚你到底要它幹什麼。

---

• 

  w7ruj1q7v

  —

  用4.8兩週的真實感受：能力提升集中在長上下文保持和多步推理，但「邊際收益遞減」越來越明顯。快速模式降價才是真香，便宜了三分之二還能跑2.5倍速。

---

• 

  Stephanie_White_77

  —

  連續用了4.8一個月，最大的變化是習慣了它的「說話方式」。適應之後確實順手，但新使用者上手門檻真的高。模型越來越強，用起來卻越來越累，這個趨勢要警惕。

---

• 

  MangalaShet

  —

  Opus 4.8適合幹大活但不適合日常。搞程式碼庫遷移、長文件分析、複雜推理這些確實頂。日常的簡單問答、改寫還是回去用Sonnet，省錢省心。說白了就是一個專家級工具，專供那5%需要深度分析場景的人用，剩下95%的場景用不上它那些額外能力。

---

• 

  trueJudahUltee_88

  —

  fast mode 真香，2.5 倍速度基本感覺不到思考卡頓，寫小指令碼時回得飛快。

---

• 

  hxfmq

  —

  部署在 Bedrock 上預設 1M 上下文，長程 agent 工作流跑得很順，配合記憶工具跨會話存資訊，基本能自己推進幾小時的複雜任務不用人盯著。就是 4.8 作為推理模型 token 燒得猛，賬單要盯緊。

---

• 

  Patricia_Gray_2021

  —

  Dynamic Workflows太猛了，讓Claude Code自己寫編排指令碼、並行拉起幾十個子agent幹活最後彙總驗證。做了一次跨50萬行程式碼的依賴升級，基本沒翻車，省了我至少兩週的人工。

---

• 

  江睿

  —

  4.8那個「努力程度控制」就是個噱頭，我測了三個檔位沒感覺出明顯差異。官方說high檔最好，那就預設high唄，加個旋鈕顯得功能多。而且真正的問題是，開到max級思考時token燒得太快，Max套餐四小時就撞上限，這體驗太差了。

暫無評論