做 AI 编程和智能体开发的团队终于有了更可靠的模型——Opus 4.8 减少无依据结论，主动标出不确定性，建议在复杂多步骤任务中直接试用。
Anthropic 于 5 月 29 日发布旗舰模型 Claude Opus 4.8，重点提升编程、智能体和知识工作能力。相比 Opus 4.7，新模型在复杂任务中更稳定，能主动提问、识别错误，并减少无依据结论。官方评估显示，其放任代码缺陷的概率降低约 4 倍，同时亲社会行为指标创新高。claude.ai 新增 effort 程度控制，用户可平衡质量与响应速度。定价不变，快速模式速度提升 2.5 倍，成本降至 1/3。
Claude Opus 4.8 上线：提升 AI 编程可靠性，减少无依据结论
IT之家 5 月 29 日消息，Anthropic 今天（5 月 29 日）宣布推出旗舰新模型 Claude Opus 4.8， 主打更强的智能体编程、多领域推理和知识工作能力。 官方表示，相比较 Opus 4.7 模型，本次 Opus 4.8 更新幅度较小，在保持价格不变的情况下，主要提升编程、智能体、推理和知识工作等用户能感知的方面。 能力层面，官方援引多家早期测试方反馈称，表示 Opus 4.8 “更可靠，判断也更敏锐”，在复杂多步骤任务中判断更稳，能主动提问、识别自身错误，并在计划不合理时提出异议。 官方评估显示，和前代相比，Opus 4.8 放任自己所写代码缺陷、却不加说明的概率低了约 4 倍，更愿意主动标出不确定性，减少缺乏依据的结论。 对齐表现方面，Opus 4.8 在支持用户自主性、按用户最佳利益行动等亲社会指标上创下新高。与此同时，欺骗等失配行为的出现率低于 Opus 4.7，并与 Claude Mythos Preview 接近。IT之家附上相关截图如下： 配套功能方面， claude.ai 新增 effort 程度控制，用户可平衡更高质量与更快响应。默认是 high 档，在编码任务中，token 消耗与 Opus 4.7 默认档接近，但效果更好；若选择 extra（在 Claude Code 中为 xhigh）或者 max 更高档位，模型会消耗更多 tokens 以换取更优结果。 基准测试方面，Anthropic 称 Opus 4.8 在 SWE-Bench Pro 上得到 69.2%，并在该测试和其他多项基准中超过 GPT–5.5 与 Gemini 3.1 Pro。但在终端编程基准上，GPT–5.5 仍然领先。 这次更新还带来性能和价格调整。Anthropic 表示，Opus 4.8 的快速模式运行速度提升到 2.5 倍，模型成本则降到此前模型的 1/3。 定价方面，常规模式维持每 100 万输入令牌 5 美元、每 100 万输出令牌 25 美元；快速模式为每 100 万输入令牌 10 美元、每 100 万输出令牌 50 美元。