Claude Opus 4.8 来了：Agent 能力大跨步，还学会了说"我不确定"

模型上新

Anthropic 在 5 月 28 日发布 Claude Opus 4.8，重点升级 Agent 与 Coding 能力，Claude Code 同步上线动态工作流，价格不变但 Fast 模式降至前代三分之一。模型还学会了在没把握时主动承认，幻觉率下降约 4 倍。

5 月 28 日，Anthropic 把 Claude Opus 升到了 4.8。距离 Opus 4.7 上线还没几个月，节奏比以往任何一次都快。

按照 Anthropic 自己的说法，这次不是常规小修，而是在编程、Agent、长任务稳定性、多模态、诚实性几条线上一起推。价格保持不变——输入 $5/百万 token，输出 $25/百万 token，上下文窗口仍然是 1M，最大输出 128K，训练数据截止到 2026 年 1 月。变化最大的是 Fast 模式：速度提到 2.5 倍，价格只是前代的三分之一（对照 4.7 当时 6 倍价格、5.5 是 2.5 倍价格 1.5 倍速度，这次的性价比明显往下打了一档）。

Claude Opus 4.8 官方评测对比图

为什么这么急着发 4.8

社区里有个不算秘密的猜测：OpenAI 上个月的 5.5 打得太漂亮，Claude 这边用户流失肉眼可见。Opus 4.7 的口碑其实不差，但在 Agent 化的长任务场景里，5.5 的体感确实更稳。Anthropic 这次没等 Sonnet 节奏，直接顶 Opus 4.8 上来，目的就是把企业 Agent 这块市场拽回来。

顺便提一句让人有点摸不着头脑的事——Sonnet 4.7 一直没出。社区里有种调侃式的解释：Opus 4.7 可能就是 Sonnet 4.7 改名上场的。这事 Anthropic 没回应，听个乐。

能力盘点：往 Agent 走得更彻底

官方放出来的 benchmark 这次很直白，重点全压在 Agent 相关项目上：

  • Online-Mind2Web 拿到 84%，这是衡量真实网页操作能力的关键测试集，4.7 时代还在 70 多徘徊
  • Browser agent / Computer-use 明显超过 4.7，是这次升级最具体的差异
  • 企业 Agent 推理大幅提升，特别是多步任务串联场景
  • 多步任务速度更快，token 消耗也压下来了

你把这几条放一起看，画面就清楚了：Anthropic 把 Opus 4.8 当 Agent 引擎打磨。它要解决的是"派一个 Claude 出去干一小时活儿不崩"这件事，而不是 chat 体验提升一档这种增量。

多模态这块也加了料，PDF、图表、扫描件、表格混排这些非结构化内容的处理能力被单独拎出来强调。做企业文档自动化的应该会立刻有感。

思考强度可调，新增 UltraCode 档

Claude.ai 上现在能直接调 Claude 在任务里投入多少"工作量"。这跟 OpenAI 那边的 reasoning effort 是同一思路，但 Anthropic 把它做得更细，专门给代码场景加了个 UltraCode 档位——意思是允许模型花更多 token、更多轮自检去搞定复杂工程问题。

对个人用户来说，可以按需要省钱或者拉满质量；对 API 用户来说，相当于多了一个明确的成本/质量调节旋钮。

动态工作流：把 Claude Code 推向真·并行 Agent

跟模型一起上的还有 Claude Code 的新功能 Dynamic Workflows（研究预览阶段）。

它的玩法是这样的：你扔给 Claude 一个超大任务，它自己拆解后一次性派出几十甚至几百个 subagent 并行处理，再把结果汇总回来。本质上是把 Claude Code 从"一个资深工程师"升级成"一个能开会、能分工、能管下游的 tech lead"。

这跟过去那种主进程 + 子任务的串行结构不一样，更像是真正意义上的 agent swarm 编排。对照过去半年开源社区里折腾的 multi-agent 框架（CrewAI、AutoGen、LangGraph 一堆），Anthropic 这次直接把编排能力内置进 Claude Code，省掉了用户自己搭脚手架的功夫。

实际能跑多大？官方没给上限，但社区里有人已经试过让它一次性扫描整个中型仓库找潜在 bug，反馈是"能跑完、不会半路忘事"。这就是上面提到的"长任务链稳定性"在产品端的兑现。

Claude Code 动态工作流示意图

"诚实"成了卖点

这次发布会让媒体抓得最多的，反而是"诚实"。

大模型有个老毛病：写代码写到一半发现有 bug，但它会一脸自信地告诉你"已修复"。Anthropic 这次的训练目标里专门压了这个——让 Opus 4.8 在不确定的时候主动说不确定，而不是硬编结论。

官方给的数字是：Opus 4.8 在自己写的代码里漏掉 bug 的概率，比 4.7 低了大约 4 倍。早期测试者也反馈，它更愿意承认信息不足、更少做"unsupported claims"。

这点别小看。对开发者来说，模型说"我不确定"比说"我搞定了（但其实没有）"要值钱得多——后者会让你浪费时间调试一个根本没改对的方案。Agent 跑得越长越复杂，这种诚实性越重要，否则错误会层层放大。

同样在 alignment 那块，Anthropic 说 4.8 的欺骗行为（deception）和配合滥用（misuse cooperation）都比 4.7 进一步下降，水平跟他们内部 alignment 最强的 Claude Mythos Preview 持平。

渠道铺得很快

这次发布配套基础设施跟得很齐：

  • Anthropic 官网/App：已上线
  • API 官方端点：已上线
  • OpenRouter：聊天和 API 都已上线
  • Claude Code：已上线，UltraCode 和 Dynamic Workflows 同步可用
  • Cursor：已上线，可以直接在编辑器里切到 4.8
  • LMArena、LiveBench：暂未上线，盲测榜单的位置还要等几天

国内开发者这边，OpenAI Hub 同步支持 Claude Opus 4.8，可以直接用 OpenAI 兼容格式调，省去配代理和管多套 SDK 的麻烦：

from openai import OpenAI

client = OpenAI(
    base_url="https://api.openai-hub.com/v1",
    api_key="your-api-key"
)

resp = client.chat.completions.create(
    model="claude-opus-4-8",
    messages=[
        {"role": "system", "content": "你是一名资深 Rust 工程师。"},
        {"role": "user", "content": "帮我用 tokio 写一个支持背压的并发任务调度器，要求附测试用例。"}
    ],
    max_tokens=8000
)

print(resp.choices[0].message.content)

如果想体验 Fast 模式，把 model 换成对应的 fast 版本即可，按官方价格换算下来，跑大批量 Agent 任务的成本比 4.7 时代下降不少。

实际怎么选

几个建议，按场景给：

  • 写代码、跑 Claude Code：基本可以无脑切 4.8。诚实性提升 + UltraCode 档 + 动态工作流，三个东西叠加起来体感差距比版本号显示的大
  • 做 Browser Agent / Computer Use：Online-Mind2Web 84% 这个分摆在那里，4.7 已经可以退役了
  • 企业文档处理、长表格 / PDF 抽取：多模态升级是这次的重点之一，可以重新跑一遍现有 pipeline 对比
  • 纯 chat 场景、轻量问答：升级收益没那么大，跑 4.7 或者直接用 Haiku 也行

一点判断

半年内 Opus 出两个版本，对 Anthropic 来说节奏其实是被对手逼出来的。但 4.8 这次给的东西不是挤牙膏：UltraCode、Dynamic Workflows、诚实性大幅提升、Fast 模式价格腰斩再砍——任何一个单独拎出来都算实在的产品级改进，叠在一起就是把 Claude 在 "Agent 引擎" 这条赛道上往前推了一大截。

5.5 之后的 Claude 是不是真的能稳住盘，要看接下来几周开发者实测的反馈。但至少从这次发布看，Anthropic 没有犯方向性的错误：它选的是把诚实、长任务稳定、并行编排这些 Agent 化时代的基础件做扎实，而不是去堆参数、刷榜单。这条路如果走通了，Opus 系列在企业 Agent 场景的护城河会越拉越深。

参考来源