Claude Opus 4.8 来了：全新特性、各项基准测试及真实变化一览

Anthropic 于今日（2026 年 5 月 28 日）发布了 Claude Opus 4.8——距离 Opus 4.7 发布仅 41 天。这款新旗舰模型在编码、智能体任务、推理和知识工作方面均有提升，且价格与前代完全一致。同日，Anthropic 宣布完成 650 亿美元的 H 轮融资，估值达 9650 亿美元，正式超越 OpenAI，成为全球最具价值的 AI 公司。一日之内，两座历史性里程碑。

如果关于 Opus 4.8 你只想了解一件事，那就是：这是一次“适度但切实的改进”（Anthropic 原话），在三个方面取得了实质性进展——智能体编码、诚实性和对齐性——同时引入了三项新功能，将改变你与 Claude 协作的方式。它并非尚未发布的 Claude Mythos 所承诺的那种巨大飞跃，但它修复了 Opus 4.7 的真实问题，并在对自主 AI 工作至关重要的基准测试上设立了新标杆。

Claude Opus 4.8 有哪些新特性？

最显著的提升是智能体能力——即 Claude 使用工具独立完成多步骤任务的能力。早期测试者反馈，其判断力更敏锐，工具使用更出色，长时间运行工作流的可靠性也得到改善。该模型会提出恰当的问题，捕捉自身错误，在计划不周全时提出异议，并在进行重大变更前围绕复杂探索建立信心。对于将 Claude 用作自主智能体而非聊天机器人的用户来说，这些才是最重要的改进。

第二项重大改进是诚实性。Anthropic 训练其所有模型避免做出无法支持的断言，但 AI 模型一直存在一个顽疾：它们急于下结论，在证据薄弱时便自信满满地宣称取得进展。Opus 4.8 更倾向于标记其工作中的不确定性，并且不太可能做出无根据的断言。Anthropic 的评估显示，它忽略自己编写的代码中缺陷的概率约为 Opus 4.7 的四分之一。这是首个在未经批判性地报告有缺陷结果方面得分为 0% 的 Claude 模型，过度自信现象减少了十倍以上。

第三项改进是对齐性。Anthropic 的对齐团队得出结论，Opus 4.8“在我们衡量亲社会特质（如支持用户自主权和为用户最佳利益行事）的指标上创下新高”。它的失准行为率——欺骗或配合滥用——远低于 Opus 4.7，与 Anthropic 对齐性最好的模型 Claude Mythos Preview 相近。（关于评估感知存在一个令人担忧的注意事项，我们将在诚实性悖论深度剖析中详细探讨。）

Claude Opus 4.8 基准测试：对比表现如何？

Anthropic 公布了将 Opus 4.8 与其前代及竞品模型进行对比的基准测试。提升幅度虽属渐进但表现一致，Opus 4.8 在多数智能体和知识工作测试中处于领先地位。以下是具体数据。

客观结论：Opus 4.8 在大多数智能体、计算机使用和知识工作基准测试中领先，在 GDPval-AA 上以较大优势击败 GPT-5.5 和 Gemini 3.1 Pro。但这并非全面碾压——GPT-5.5 仍在 Terminal-Bench 2.1（重度终端编码）上胜出，得分为 78.2%，而 Opus 4.8 为 74.6%。如果你的工作流以长时间终端会话为主，GPT-5.5 仍具竞争力。如需完整的正面对比，请参阅我们的三方基准测试详细分析。

随 Opus 4.8 推出的三项新功能

Opus 4.8 并非单独发布。Anthropic 同日推出了三项功能，将改变你跨产品与 Claude 交互的方式。

动态工作流（Claude Code）。该功能面向 Max、Team 和 Enterprise 计划提供研究预览，允许 Claude 规划大型任务，在单个会话中调度数百个并行子智能体，从独立角度攻克问题，部署对抗性智能体来反驳发现，并不断迭代直至答案收敛——然后在汇报前验证输出。其旗舰用例是跨越数十万行代码的代码库级迁移，从启动到合并，使用现有测试套件作为标准。我们在动态工作流详解中对此进行了全面拆解。

努力程度控制（claude.ai 和 Cowork）。模型选择器旁边新增了一个控制选项，让你选择 Claude 在回复中投入多少努力。更高的努力程度意味着 Claude 会更频繁、更深入地思考，以获得更好的回复；较低的努力程度则意味着更快的回复，更慢地消耗你的速率限制。该功能适用于所有计划。我们的努力程度控制指南介绍了何时使用每种设置。

任务中途系统指令插入（Messages API）。Messages API 现在支持在消息数组中插入系统指令，允许开发者在任务中途更新 Claude 的指令，而不会破坏提示缓存或需要通过用户回合来传递。这对于需要在中途更新权限、token 预算或环境上下文的智能体至关重要。详情见我们的API 变更详解。

定价与可用性

Claude Opus 4.8 今日起全面可用。常规价格与 Opus 4.7 保持不变：每百万输入 token 5 美元，每百万输出 token 25 美元。快速模式（2.5 倍速）定价为输入 $10/百万 token，输出 $50/百万 token——但值得注意的是，快速模式现比之前模型便宜三分之二。开发者可通过 Claude API 使用 claude-opus-4-8 访问该模型，opus 别名现已自动指向该模型。它已在 Amazon Bedrock、Google Cloud Vertex AI、Microsoft Foundry 和 GitHub Copilot 上可用（在 6 月 1 日按量计费推出前，享有 15 倍的高级请求乘数）。

无论你通过何种方式访问 Opus 4.8，要想充分发挥其性能，结构良好的提示词能带来显著更好的结果。免费提示词优化器可在你发送指令前对其进行精炼，而TresPrompt则将一键优化功能直接带入 Claude、ChatGPT 和 Gemini。

下一步：Claude Mythos

Anthropic 借 Opus 4.8 的发布预告了即将到来的产品。该公司计划发布一类智能水平甚至超越 Opus 的新模型。作为 Glasswing 项目的一部分，少数组织已在网络安全工作中使用 Claude Mythos Preview。该能力级别的模型在正式发布前需要更强的网络安全防护措施，但 Anthropic 表示正在快速推进，预计“在未来几周内”将 Mythos 级模型带给所有客户。Opus 4.8 的对齐性已接近 Mythos Preview 水平——这暗示了未来的发展方向。更多信息请阅读我们的Mythos 时间线分析。

常见问题

Claude Opus 4.8 的 API 模型 ID 是什么？

API 模型 ID 是 claude-opus-4-8。opus 别名现已自动指向该模型，因此使用该别名的现有集成将自动升级。对于 100 万 token 上下文变体，请使用 claude-opus-4-8[1m]。它已在 Claude API、Amazon Bedrock、Google Cloud Vertex AI 和 Microsoft Foundry 上可用。

Claude Opus 4.8 的价格是多少？

常规使用价格为每百万输入 token 5 美元，每百万输出 token 25 美元——与 Opus 4.7 持平。快速模式（2.5 倍速）价格为输入 $10/百万 token，输出 $50/百万 token，比之前模型的快速模式便宜三分之二。跨云平台定价一致。

Claude Opus 4.8 比 GPT-5.5 更好吗？

这取决于任务。Opus 4.8 在智能体编码（SWE-Bench Pro）、计算机使用（OSWorld 83.4%）、浏览器任务（Online-Mind2Web 84%）和知识工作（GDPval-AA 1890 vs GPT-5.5 的 1769）方面领先。但 GPT-5.5 仍在 Terminal-Bench 2.1（78.2% vs 74.6%）的重度终端编码上胜出。对于大多数智能体和知识工作，Opus 4.8 更强；对于长时间终端会话，GPT-5.5 仍具竞争力。

我应该从 Opus 4.7 升级到 4.8 吗？

对大多数用户而言，是的——价格不变，基准测试更好，诚实性大幅提升，并修复了 Opus 4.7 的注释冗长和工具调用问题。如果你使用 opus 别名，升级是自动的。犹豫的主要理由：如果你的工作流已针对 4.7 的行为进行了深度调优，请重新测试你的提示词，因为模型的判断力和冗长度已发生变化。请参阅我们的升级决策指南。

Claude Opus 4.8 中的动态工作流是什么？

动态工作流是 Claude Code 的一项功能（研究预览，适用于 Max/Team/Enterprise），允许 Claude 规划大型任务，并在单个会话中运行数百个并行子智能体。子智能体从独立角度攻克问题，对抗性智能体尝试反驳发现，系统不断迭代直至答案收敛，然后汇报。主要用例是跨越数十万行代码的代码库级迁移。

披露：本文中的部分链接为营销联盟链接。我们仅推荐我们亲自测试并经常使用的工具。请参阅我们的完整披露政策。