性能全面提升，诚实度显著增强

Anthropic 正式发布 Claude Opus 4.8，这是其旗舰模型 Opus 系列的最新版本。新模型在 Opus 4.7 的基础上实现了全面性能提升，覆盖编码、智能体能力、推理和实际知识工作等多个领域。Opus 4.8 即日起可用，价格与之前保持一致。同时，Anthropic 还推出了多项新功能，包括 claude.ai 上的努力控制选项，以及 Claude Code 中的动态工作流功能，后者允许模型处理超大规模问题。Opus 4.8 的快速模式速度提升至 2.5 倍，且成本比前代模型降低三倍。

在能力评估方面，Opus 4.8 在多个基准测试中表现优异。在超级智能体基准测试中，它是唯一一个端到端完成所有案例的模型，超越了前代 Opus 和 GPT-5.5。在 CursorBench 上，Opus 4.8 在所有努力级别上都超过了前代模型。工具调用效率显著提升，使用更少的步骤完成相同智能水平的任务。在法律智能体基准测试中，Opus 4.8 创下最高分记录，成为首个在全部通过标准上突破 10% 的模型。在计算机使用和浏览器智能体测试中，Opus 4.8 在 Online-Mind2Web 上获得 84% 的分数，较 Opus 4.7 和 GPT-5.5 有显著提升。

早期测试者普遍反馈 Opus 4.8 在协作体验上有了质的飞跃。在 Claude Code 中，它能提出正确的问题，发现自身错误，并在计划不完善时提出质疑。在翻译、深度研究、幻灯片制作和分析等智能体产品中，它提供了强大的可靠性。测试者还指出，Opus 4.8 在长时间会话中能更好地保持上下文和风格方向，输出质量更高、信息更密集。在 CoCounsel Legal 等专业工作流中，Opus 4.8 在一致性和推理质量上带来了有意义的改进，这对于高风险的职业工作流至关重要。

Opus 4.8 最显著的改进之一是其诚实度。Anthropic 训练所有模型保持诚实，但 AI 模型有时会急于下结论。早期测试者报告称，Opus 4.8 更倾向于标记工作中的不确定性，减少无根据的声明。评估显示，Opus 4.8 在代码中遗漏缺陷的可能性比前代低约四倍。对齐评估表明，Opus 4.8 在支持用户自主性和维护用户最佳利益等亲社会特质上达到新高，同时不端行为率显著低于 Opus 4.7，与最佳对齐模型 Claude Mythos Preview 相当。

除了模型升级，Anthropic 还推出了动态工作流功能，允许 Claude 在 Claude Code 中承担更大任务。Claude 可以规划工作，然后在单个会话中运行数百个并行子智能体，并在向用户报告前验证输出。例如，Claude Code with Opus 4.8 现在可以执行跨数十万行代码的代码库迁移。此外，claude.ai 和 Cowork 中新增的努力控制功能，让用户可以选择 Claude 在响应中投入多少努力。在更高努力设置下，Claude 会进行更深入的思考，以提供更优质的答案。

要点

• Claude Opus 4.8 在编码、推理和智能体任务上全面超越前代，并在多个基准测试中创下新高。
• 新版本诚实度提升约四倍，更主动标记不确定性，减少无根据声明，对齐评估显示不端行为率显著降低。
• 动态工作流功能允许 Claude 在单个会话中运行数百个并行子智能体，处理大规模代码迁移等复杂任务。
• 用户现在可以控制 Claude 在任务中的努力程度，更高设置下模型会进行更深入思考。
• Opus 4.8 快速模式速度提升至 2.5 倍，成本比前代降低三倍，价格保持不变。