# 实测Claude Opus 4.8，这可能是第一个不会偷懒的模型。 - 来源：数字生命卡兹克 (@Khazix0918) - 发布时间：2026-05-29 11:39 - AIHOT 分数：72 - AIHOT 链接：https://aihot.virxact.com/items/cmpqe1xxu047bslnou2ryz0pw - 原文链接：https://x.com/Khazix0918/status/2060204430327439517 ## AI 摘要 Anthropic发布Claude Opus 4.8，距上代4.7发布仅42天。价格（$5/M输入、$25/M输出）与参数均不变。模型在多数基准跑分有所提升，但Terminal-Bench 2.1仍是唯一未超越GPT-5.5的类别。此次更新将思考强度（effort）控制开放给所有用户。核心变化是模型变得更精确、更遵循指令，代码瑕疵概率比上代低约4倍，且在防“偷懒”测试中达到0%不良率。然而，这带来了主动性降低的副作用，模型不再主动推测用户隐含需求。此外，其内容创作能力虽优于4.7，但被认为仍不及4.6版本。同时，快速模式（fast mode）升级，速度达标准版2.5倍，价格从标准版6倍降至2倍。Claude Code还推出了可并行调用数十至上百个子Agent的动态工作流功能。 ## 正文 http://x.com/i/article/2060199048204926976 # 实测Claude Opus 4.8，这可能是第一个不会偷懒的模型。 大半夜的，刚准备早睡一下。 然后，我的AIHOT就突然弹了个消息，Claude Opus 4.8上线了。 除此之外，又发了另一个消息。 完成了新一轮650亿美元的融资，估值逼近一万亿美元。。。 前有港股智谱7000亿市值，后有Anthropic估值7万亿人民币。 果然AI行业的造富神话，比鬼故事还要鬼故事。 但是说实话，距离4月17号Opus 4.7上线，仅仅才过去42天，一个半月，又一个新模型扔出来，在Cluade的发布历史上，从来没有过。 看来确实GPT-5.5和Codex给的压力确实太大了，Opus 4.7的口碑确实把自己也给拉完了，所以没办法，要最快速度把Opus 4.8拉出来救火，要不然真的可能被Codex偷家偷疯了。 在模型的本身参数比如最大上下文、输出长度、知识库时间啥的，跟Opus 4.7几乎是一样。 价格也没变，$5/M输入、$25/M输出。 所以基本上用的也是Opus 4.7的基模上直接又调了一下。 然后，我就反应过来了一件事，我靠，你Opus 4.8上了，你不会要把我的Opus 4.6给顶掉了吧。 因为Opus 4.5在内容创作上是我觉得的巅峰，Opus 4.6比Opus 4.7差了一点，但是我觉得还能用，而Opus 4.7是我完全觉得不可用的状态。 按照claude在过去网页端只保留两代模型的优良传统，Opus 4.6可能会被顶掉。 我抱着忐忑的心情一看。 Claude我服了。。。。 行吧，只能接受，说不定Opus 4.8，在内容创作上更好呢？（虽然我几乎不对这个事情抱有期待了。） 说回Claude Opus 4.8。 不废话，先看跑分截图吧。 跑分我真的不想多聊了，很没劲，反正就是赢学。 数字又高了一点，大概就是这样。 唯一一个在上面穷尽洪荒之力还是没跑过GPT-5.5的类别，是Terminal-Bench 2.1。 这玩意是一个Agentic基准，大概就是用来评估Agent在真实命令行环境里干活的能力，考的就是把模型直接扔进一个沙盒终端里，让它自己去查文件、敲命令、看报错、调试等等，看看能不能跨多个步骤把一个任务做完。 这个是在Claude口径里，唯一一个跑不过GPT-5.5的，而且这个还挺要命的。 因为Terminal-Bench基本代表着Agent开发能力的最高峰，穷尽了洪荒之力也没干过GPT-5.5，那这过两天GPT-5.6出来，那还玩个屁啊。 这也从侧面说明了，GPT-5.5的开发能力，是真的强。。。 然后再说一说这次更新的一些特性。 1. 思考强度给所有人开放 这次 4.8 上线，同时把一个叫 effort（努力程度）的控制，开放给所有人了，也就是你在Chat模式下，也可以调整模型的努力程度了，所有套餐都有，免费用户也有。 Claude Code和Cowork用户对这个东西肯定很熟悉。 位置就在模型选择那个地方旁边。 上面那个从Low到Max，就是努力等级。 下面那个自适应思考记得别关，还是开着，组合起来用就行。 我自己其实常年喜欢默认开着Extra，然后开大活就上Max的，因为Opus 4.7只有自适应思考，不是很好用，Opus 4.8终于给弄回来了。 2. 变得更精确但也更不主动了 Opus 4.8更新以后，有一个明显的感觉，就是它更加的精确了，有一点GPT-5.5的感觉，指哪打哪。 更加的遵循你的指令，这确实对于专业的开发者来说，是件好事。 但是同时也带来一个弊端，就是他的主动性，会变弱。 就是你让它干A，它现在就只干A，绝不会自作主张觉得诶你这意思是不是顺便也想要B然后把B也顺带手给你办了。 我自己现在就遇到了，晚上测试的时候，习惯性的没跟它说一定要去看线上数据不要只看本地代码，但是在Opus 4.6和4.7的时候，他们都还是会主动的去用我的skill连接线上服务器，看生产环境的数据的，但是Opus 4.8却两次都没主动去看，给我的方案，都是基于本地的，这反而给我带来了一些麻烦，重新调整了一下文档和记忆，才好一点。 对于一个设计好了自己Harness的环境的专业开发者，我觉得会感觉到非常得劲，那其实能感觉到，它的错误率和幻觉率，都在降低，很精准。 但是如果把这个群体，推衍到整个Vibe Coding群体，我其实觉得，不一定是个好事。 我们视频组同事今晚在用Opus 4.8来测他们的用Skill来做视频动效的工作流，发现效果反而变差的，有一个很形象的描述就是。 而且你能明显的感觉到，更加自信，在过程中跟你确认的时刻变少了。 比如这个，优化方案出来，直接不确认，直接就自己干了。 因为我们其实很多非专业者，在用AI的时候，是靠着AI的主动性去往前走的，就是真的有的时候会用习惯了那种你懂我意思的爽感。 你含含糊糊扔一句话过去，它就能猜到你心里那个完整的需求，然后问你是不是，在帮你直接搞出来，这种被理解的感觉，其实还挺上头的。 当然这个爽感，是有代价的，就是模型的主观性太强，代价就是不可控。 它猜对了你舒服，它猜错了呢，它就拿着一个你压根没提的需求，吭哧吭哧给你干一堆活，最后还得你来擦屁股，这种出发点是好的但是结果是拉的，在长时Agent任务中，尤其要命。 所以，未来再跟Opus 4.8协同的时候，可能需要，对大家需求表达能力，要求的更高了。 3. 变得更加诚实了 这个点更上面有点像，也是Anthropic自己拎出来放在博客核心位置的点。 过去大家一定遇到过，就比如说Claude帮你写个功能，它噼里啪啦给你写了一大段，然后特别自信地跟你说，搞定了，没问题，可以跑了。 你信了，你一跑，你才发现，另一个地方崩了。 你回去问它，它又特别自信地说，哦抱歉，问题找到了，对不起我没有发现，我再改一下，这下绝对没问题了。 你又信了，你又跑，然后你又报错了。 很多时候经常会出现。 你要知道，它每一次都那么斩钉截铁，每一次都那么言之凿凿，但每一次，它其实自己心里也没底，AI，很多时候，只是被训练得看起来很有把握而已，这个毛病，几乎是所有大模型的通病。 这次Opus 4.8，就在这个问题上做了重点的优化。 官方公告对外说的数字是，4.8让自己写的代码里的瑕疵蒙混过关的概率，比上一代低了大概4倍。 我又去翻了下这次Opus 4.8的系统卡。 然后发现了更牛逼的东西。 在偷懒这个问题上，Opus 4.8，好像是唯一一个，能做到0%不良率的模型。 在我夜里几个小时的测试与开发中，我也能感觉到，这是真的不偷懒啊，思考的是真细啊。。。 比如我有一个AIHOT的数据分析页面，之前Opus 4.7实现的比较粗糙，最大的问题就卡，点一下反应个十几秒才动弹，问原因就说是这样的啦，改不了啦，你实时查询就是这个速度啦。 之前有次都给我干生气了。 Opus 4.8明显靠谱很多，非常详细的在全面审查我的代码，找尽可能需要优化的地方。 我同事的反馈也是这样。 基本上大家的感觉都差不多。 Opus 4.8在开发上总体的感觉，是有大进步的。 4. 创作能力 同样的Skill，同样的创作，比Opus 4.7是有进步的，但是依然比不上Opus 4.6。 比如我把我我之前写的AI时代的6个人才特质给抽离出来了，让Opus 4.8用我的写作Skill去写，写出来的一些句子，是这样的。 Opus 4.6+我的Skill是绝对不会写出这种话的，不是XX、而是XX，这是明确的禁用词，直接给我改成不再是来去规避，真的是耍小聪明。 还有那个奇怪的比喻，为什么要把靠谱特质的人，比喻成"高速运转的机器里那点润滑油"，我是真的有点不理解，这是有什么奇怪的癖好吗。 还有这段，非要把一个人，给比喻成一个物化的锚？？？ 还有模型奇妙的大段的无意义的排比，把所谓的AI味的禁忌都犯了个遍。 让它根据《流浪地球2》的故事，续写一个新的地下城的1000字的小故事。 写的也挺刻板印象的。 比4.7好，但是确实没好多少。 整体的人机味还都挺重的。 5. 其他更新 这次Opus 4.8还迭代了下快速模型，官方叫fast mode。 之前其实就有，你再Claude Code里输入/fast就有。 只是之前是Opus 4.7的fast就是比较贵，2.5倍的速度，但是是6倍的价格。 普通版本价格一直是百万输入5美元、百万输出25美元，然后Opus 4.7 fast模式的价格是输入30美元、输出150美元。 但是这次做了一个还不错的升级，速度直接达到了标准版的2.5倍的速度，价格却只有之前版本fast的三分之一，降到了输入10美元，输出50美元。 从标准版的6倍价格，变成了标准版的2倍价格，但是速度没变。 也能侧面看出来马斯克的算力确实是给到位了，Claude一下子就财大气粗了。 然后还有一个东西，也挺有意思的，是Claude Code的dynamic workflows功能。 翻译过来叫动态工作流。 大概作用就是，让Claude自己写一套编排脚本，在一次任务里，一口气拉起几十个、甚至上百个子agent并行开干，干完它还会先自己验一遍，确认 没问题了，然后把结果交给你。 原话是："有些问题过于庞大，单次单代理处理难以胜任，尤其是在复杂、遗留的代码库中：跨整个服务的缺陷排查、涉及数百个文件的迁移、或是在最终决策前需要从多角度进行压力测试的方案。动态工作流能够端到端地处理所有这些任务。" 触发方式有两种。 第一种是直接跟Claude Code说，创建一个动态工作流balbalbala。 第二种是，把努力级别调整成一个特殊的选项Ultracode，这个设置会自己会将努力级别调至xhigh，同时让Claude自动判断何时使用工作流来处理你的任务。 这次Opus 4.8的更新总结，大概就是这样。 我自己还是比较喜欢的，因为在开发上确实有不错的加成，整体确实变好用了。 但是在创作上，我还是有点失落的，因为把我的Opus 4.6给顶掉了。。。 未来为了适配Opus 4.8，可能我们的很多跟内容相关的Prompt和Skill全都得重写了，因为这玩意牵扯的东西太多了，调研、历史文献撰写、分镜撰写、特效生成啥的，全都是内容。。。 就很烦，好不容易都在Opus 4.6上跑通了，又得全部重新来。 哎。 哦对了，Anthropic 这次还留了个更大的钩子。 除了Opus这条线，它们手里那个还攥了很久的，比Opus智能还要更高一档的新模型，代号Mythos，说是过几周，就能给所有客户用上了。 到时候，我想看看这个号称最牛逼的模型。 到底是个什么光景。 AI啊，真好玩。