Claude Opus 4.8 实测:更精确、更诚实,但创作还是不如 4.6

Claude Opus 4.8 实测:更精确、更诚实,但创作还是不如 4.6

5 月 28 日凌晨,Anthropic 正式上线 Claude Opus 4.8。距上一代 Opus 4.7 发布只过去 42 天——这是 Claude 系列史上最快的一次大版本迭代。

发布节奏这么急的原因不难猜:4.7 在创作场景被吐槽"AI 味变重",与此同时 GPT-5.5 + Codex 在 agentic 开发上节节进逼,Terminal-Bench 始终压着 Claude 半截身位。Anthropic 必须出手。

这篇文章不复述官方公告,把 4.8 跑了一夜后能感受到的真实变化、隐藏代价、能力边界,逐项拆给你。

模型参数与价格:基本没动

参数与价格几乎一模一样。基模大概率仍是 4.7 这份,4.8 主要在指令遵循、honesty、agentic 行为这几条线上做了重点 fine-tune。

五个能感受到的真实变化

1. Effort 思考强度,对所有人开放

Effort(思考努力等级)原本只在 Claude Code 和 Cowork 里能调,这次直接搬到了 Chat 模式——所有套餐都能用,包括免费用户。位置在模型选择旁边,从 Low 到 Max 五档。

下面那个"自适应思考"建议别关,和 effort 组合使用:

• Low / Medium:日常问答、轻量代码
• High:默认档,绝大多数开发任务
• xHigh / Max:复杂重构、长链 agentic 任务

旧版 4.7 只留了"自适应思考"一个开关,等于把档位决定权全交给模型。4.8 把控制权还给了人——这对工程化场景是明显加分。

2. 更精确,但主动性变弱

实测下来 Opus 4.8 有一种"指哪打哪"的 GPT-5.5 感。给 A 任务就只做 A,不会自作主张地猜你"是不是顺便也想做 B"。

• 对专业开发者:体验非常好,错误率、幻觉率明显下降
• 对模糊指令的用户:会难受。过去 Claude 那种"你含含糊糊说一句它就猜到完整需求顺手干掉"的体感明显变弱

举个实际场景:之前我习惯不显式提醒 Claude 去看线上数据,4.6/4.7 都会主动用配置好的 skill 连生产环境拉数据;4.8 两次都没主动去,只基于本地代码给方案。结果是要重新调记忆和工作流,把"必须看线上"这条规则写得更明确。

实测结论:4.8 上线后,对需求表达精确度的要求会被拉高。模糊指令换不来主动补全。这点对长链 agent 尤其要命——一旦主动性偏差被放大几十步,后面擦屁股的成本极高。

3. honesty 提升 4 倍,"自信地胡说"明显减少

Anthropic 官方给的数字:Opus 4.8 让自己写的代码里的瑕疵蒙混过关的概率,比 4.7 降低约 4 倍。

翻一下 system card 还能看到更夸张的:在"偷懒"这项内部评测上,Opus 4.8 是同代模型里唯一做到 0% 不良率的。

实测体感:4.8 写完代码会主动告诉你"这里我不确定,建议你跑一下 X 测试"或者"这部分依赖你确认 Y 配置",而不是像 4.7 那样言之凿凿地拍胸脯然后跑起来报错。

这是 4.8 在开发场景下最实在的进步——和上面那条"主动性下降"组合起来读,本质是同一件事:模型不再越界猜测,对自己不确定的部分会显式标记出来。

4. Fast Mode 速度 2.5×、价格降到原版 1/3

旧 Opus 4.7 Fast Mode 一直被吐槽性价比差:速度 2.5×,价格 6 倍($30 / $150)。

4.8 这次把 Fast Mode 重新定价:

从"6 倍价"降到"2 倍价",速度不变。背后的逻辑很直白:算力供给上来了——5 月这一周 Anthropic 同时拿下 AWS 5 GW、Google/Broadcom 5 GW TPU、SpaceX Colossus 1/2 GPU 资源,算力一进来 Fast Mode 自然就能降价。

5. Dynamic Workflows:一次任务编排上百个子 agent

这条更新主要在 Claude Code 上:Dynamic Workflows 允许 Claude 在一次任务里自己起一套编排脚本,并行拉起几十到上百个子 agent,每个子 agent 跑完后由主 agent 自检结果,再汇总给你。

两种触发方式:

• 直接对 Claude Code 说"创建一个动态工作流,做 XX"
• 把 effort 调到Ultracode档——这个档位会自动把 effort 拉到 xHigh,并由模型自己判断何时启用 Dynamic Workflows
  

Anthropic 自己给的典型场景:跨服务的缺陷排查、涉及数百个文件的迁移、多角度压力测试方案。一句话:单 agent 啃不下来的大活。

创作能力:比 4.7 好一点,但仍不如 4.6

老实说这是这次最让人遗憾的部分。

用同样的 skill、同样的提示词跑内容创作,Opus 4.8 比 4.7 强,但还是不如 4.6。具体问题:

• 仍然会写"不是 X、而是 Y"这种被禁用的 AI 味句式,只是改头换面成"不再是 X,而是 Y"
• 比喻经常奇怪——把"靠谱的人"比喻成"高速运转机器里的润滑油",把"一个人"物化成"锚"
• 排比堆砌未见明显收敛
• 续写小说时人物刻板印象明显

按 Claude 网页端"只保留两代模型"的惯例,4.8 上线意味着 4.6 大概率会被下线。这对内容创作场景的用户是真切的损失——很多基于 4.6 调好的写作 skill、prompt 体系需要重写。

接入示例:怎么在自己的项目里用

兼容 Anthropic SDK 格式,迁移现有代码只需替换base_url与模型 ID:

fromanthropicimportAnthropic client=Anthropic(api_key="sk-xxx",base_url="https://gw.claudeapi.com")resp=client.messages.create(model="claude-opus-4-8",max_tokens=4096,messages=[{"role":"user","content":"解释 effort 档位的取值策略"}])print(resp.content[0].text)

Node.js:

importAnthropicfrom"@anthropic-ai/sdk";constclient=newAnthropic({apiKey:process.env.ANTHROPIC_API_KEY,baseURL:"https://gw.claudeapi.com"});constresp=awaitclient.messages.create({model:"claude-opus-4-8",max_tokens:4096,messages:[{role:"user",content:"总结这次 4.8 的核心改动"}]});

cURL(OpenAI 兼容路径):

curlhttps://gw.claudeapi.com/v1/chat/completions\-H"Authorization: Bearer sk-xxx"\-H"Content-Type: application/json"\-d'{ "model": "claude-opus-4-8", "messages": [{"role": "user", "content": "Hello"}] }'

还有一个钩子:Mythos

这次发布会上 Anthropic 还留了一个钩子:内部代号Mythos的更高一档模型,“几周内对所有客户开放”。

Anthropic 自己也承认 Opus 4.8 在某些复杂任务上仍逊于未发布的 Mythos——这个表态在过去几乎不曾出现。Mythos 正式发布时大概率又是一轮节奏紧张的升级。

写在最后

一句话总结:Opus 4.8 是对 4.7 的快速救火,对开发者是显著加分,对内容创作者是小幅倒退。

按场景选模型的建议:

新模型上线节奏越来越紧——4.7 → 4.8 只用了 42 天,Mythos 还在后面排队。把 prompt、skill、工作流的版本管理做扎实,比追每一次发布都要重要。