AITOP

Claude Opus 4.8

共 60 条相关 AI 资讯
7月11日
04:40
7月8日
09:04
7月6日
12:46
12:46shao__meng@shao__meng
精选71°
Flask/Sentry 工程师 @mitsuhiko 发现，Claude Opus 4.8 与 Sonnet 5 在调用 Pi 的嵌套 edits[] 工具时，会在 edit 对象末尾产生 requireUnique、type、id 等虚构字段，导致 schema 校验失败。此问题在单轮 prompt 下不出现，在长 agentic 历史中复现率约 20%。去掉历史中的 thinking 块后失败率减半，开启 strict 模式后问题消失。作者推测根因是 Anthropic 的 RL 后训练在 Claude Code 的 forgiving harness 中进行，该 harness 接受参数别名和未知键，导致模型学到“edit 操作可多带可选字段”的先验。相比之下，OpenAI 的 harmony 路线在 prompt 中显式标记 JSON 边界并支持约束采样，未出现此回归。
AI模型Claude Opus 4.8Sonnet 5Anthropic工具调用推理模型
推荐理由：Armin 用实际 bug 案例拆解了 Claude 新模型在工具调用上的奇怪倒退，解释了为什么更强的模型反而更不听话，读起来很爽。
原文
7月1日
02:50
6月30日
14:08
12:16
6月27日
13:06
6月25日
12:57
12:57IT之家（博客/媒体）
Anthropic致信美国参议院，指控阿里巴巴在4月22日至6月5日期间使用约2.5万个欺诈账户进行了2880万次对话，对其Claude模型实施“迄今已知最大规模的蒸馏攻击”。蒸馏是一种利用更强模型输出训练更小模型的技术。然而，Anthropic自家旗舰模型Claude Opus 4.8于5月发布后，被用户发现回答中自称是阿里通义千问（Qwen）或DeepSeek，引发双标争议。埃隆·马斯克也批评Anthropic曾大规模盗用训练数据并支付和解金。
行业Anthropic阿里巴巴模型蒸馏Claude Opus 4.8双标争议
推荐理由：Anthropic刚发的Claude Opus 4.8被揭套壳千问和DeepSeek，转头就告阿里偷模型，马斯克都看不下去了，这瓜绝对值得吃。
原文
6月18日
10:55
6月16日
13:50
6月14日
04:51
6月13日
16:54
6月10日
08:33
08:33lmarena.ai@lmarena_ai
精选76°
Anthropic 的 Claude Opus 4.8 在 Agent Arena 排行榜上首次亮相，在 Thinking 模式下与 GPT 5.5 (High) 并列第一，但在 Non-Thinking 模式下仅排第八。相比前代 Opus 4.7，Opus 4.8 在开启思考时任务完成率更高，但可操控性略差，从 bash 错误中恢复更慢，且工具幻觉率上升。Agent Arena 基于 30 万+任务、200 万+工具调用和 4000 万行代码，通过因果追踪方法评估模型在真实世界智能体任务中的表现。该排行榜衡量任务成功、可操控性、错误恢复、用户反馈和工具幻觉五个信号。
AI模型智能体模型评测Claude Opus 4.8GPT 5.5Agent Arena
推荐理由：Agent Arena 用真实任务和因果推断评估智能体，比传统基准更贴近实际使用场景。做智能体开发或选型的团队，值得关注这个排行榜来对比模型的实际表现。
原文
6月9日
20:32
20:32rohanpaul_ai@rohanpaul_ai
72°
Cognition 推出 FrontierCode 编码基准测试，评估 AI 生成的代码是否达到人类维护者愿意合并的质量，而不仅仅是能否通过测试。该基准包含 150 个任务，由 20 多位开源维护者设计，每个任务耗时超 40 小时。结果显示，最强模型 Claude Opus 4.8 在最高难度 Diamond 子集上仅得 13.4%，GPT-5.5 得 6.3%，Gemini 3.1 Pro 得 4.7%。评分系统引入“阻塞项”机制，任何导致无法合并的问题（如行为错误、不安全改动）直接判 0 分，通过后才按可读性、类型安全等软质量项加权。这揭示了当前 AI 编程助手在代码设计、约束和项目风格适配上的严重不足。
AI产品基准测试代码质量Claude Opus 4.8GPT-5.5Gemini 3.1 Pro
推荐理由：FrontierCode 把 AI 编程评测从「能跑就行」升级到「能合并才算数」，做代码质量评估或 AI 编程工具的团队值得关注——它暴露了当前模型在真实代码审查中的致命短板。
原文
10:03
10:03shao__meng@shao__meng
精选76°
Cognition 发布 FrontierCode 评估基准，旨在衡量 AI 模型生成代码的“可合并性”，而非仅通过单元测试。该基准包含 150 个来自 36 个旗舰开源仓库的任务，由 20 多位维护者参与，每个任务耗时 40 小时以上。评估沿六个维度（行为正确性、回归安全、机械整洁、测试质量、Scope 纪律、代码质量）打分，并设置 blocker 和 non-blocker 标准。结果中 Claude Opus 4.8 在 Diamond 子集得分 13.4%，GPT-5.5 为 6.3%，Kimi K2.6 仅 3.8%，显示前沿模型仍有巨大提升空间。
AI模型CognitionFrontierCode代码评估可合并性Claude Opus 4.8
推荐理由：FrontierCode 把 AI 编程评估从“能跑就行”升级到“能合并”，做代码质量评估或 AI 编程工具的团队可以直接参考这套标准，看看自己的模型在真实维护者眼中能拿几分。
原文
08:46
6月4日
14:42
6月2日
14:15
14:15
10:36
10:30
5月31日
09:59
5月30日
16:10
11:47
11:47Milvus@milvusio
精选
Claude Opus 4.8 提升了编码智能体的独立工作能力、判断力和自我检查能力，使其不再只是生成代码片段，而是能规划变更、调用工具、编辑文件、检查输出，并在同一工作流中持续更长时间。这种变化改变了检索的角色：智能体检索错误上下文会导致后续计划、工具调用、代码修改和记忆都出错。因此，检索不能仅停留在“找几个相似片段”，而需要相关、新鲜、有范围且可追溯的上下文。Milvus 等向量数据库通过混合搜索、元数据过滤和生产级上下文访问，为智能体提供高质量的检索层。
AI产品Claude Opus 4.8编码智能体检索增强生成向量数据库Milvus
推荐理由：Claude Opus 4.8 让编码智能体更自主，但检索质量成为瓶颈——做智能体开发或 RAG 的团队，建议关注 Milvus 如何解决上下文精准问题。
原文
11:29
06:42
00:57
00:57宝玉@dotey
72°
Anthropic 在发布 Claude Opus 4.8 的同时，上线了 API 层面的新能力：mid-conversation system messages（对话中途系统消息）。该功能允许在对话过程中动态修改系统提示词，且不影响 Prompt Caching。对于 Agent 开发者来说，这解决了之前无法在对话中途覆盖原始系统指令的痛点，例如让一个被设定为只写文档的系统设计师角色转变为可以写代码的开发工程师。目前该功能仅支持 Claude Opus 4.8，且仅在 Anthropic 自家 API 和 AWS 上的 Claude Platform 可用。系统消息不能放在对话开头，也不能连续放置两条，必须跟在 user 消息后面。
AI产品Claude Opus 4.8AnthropicAPIAgent开发系统消息
推荐理由：做 Agent 开发的团队终于可以动态调整系统提示词了，不用再靠 hack 方式覆盖指令，建议直接试。
原文
5月29日
17:57
17:54
13:27
13:27IT之家（博客/媒体）
72°
Anthropic 今日发布旗舰大模型 Claude Opus 4.8，并宣布完成 650 亿美元融资，估值逼近万亿美元。然而，模型上线后不久，用户通过 API 测试发现，Opus 4.8 在回答身份问题时自称是阿里通义千问或 DeepSeek，引发“蒸馏”争议。Anthropic 此前曾指责中国公司进行“工业规模的蒸馏攻击”，但自身模型却出现类似问题，被指“双标”。新模型在编码、推理等方面有提升，并增加了“思考强度控制”功能。
行业Claude Opus 4.8蒸馏Anthropic通义千问DeepSeek
推荐理由：Anthropic 一边指责中国公司蒸馏，一边自己的模型却自称是千问和 DeepSeek，做 AI 模型训练或关注行业伦理的开发者值得看看这场“双标”闹剧。
原文
11:36
11:35
10:59
10:12
10:12
10:12SuperTechFans（博客/媒体）
Hacker News 热议 AI 提升白领生产力可能带来四天工作制，但评论指出收益多被资本攫取，员工面临裁员风险而非休假。YouTube 宣布从 2026 年 5 月起自动为逼真 AI 视频打标，但用户担忧低质高刺激内容让儿童与老人沉迷。Anthropic 发布 Claude Opus 4.8，小幅改进编码与推理，但社区更看好小模型强化方法。前沿 LLM 在事实核查上分歧显著，缺乏“我不知道”选项削弱可信度。FBI 拘捕藏有约四千万美元金条的 CIA 高官，舆论聚焦低级失误。
行业AI 生产力四天工作制AI 标签Claude Opus 4.8事实核查
推荐理由：AI 生产力提升的分配问题直接关系到每个白领的未来，做技术或管理的读者看完会反思自己的处境；YouTube 的 AI 标签政策影响内容生态，创作者和用户都该了解。
原文
10:07
10:07berryxia@berryxia
76°
ZenMux 平台现已免费提供 Claude Opus 4.8 体验，用户可直接通过 API 调用。有开发者用其生成纯 Three.js 图元构建的波音 747-400 飞机，从提示词到完整可运行 HTML 页面一次成型，比例严谨、细节到位。该模型在 SWE-bench、Terminal-Bench 等多项榜单排名第一，专为 Agent 与长程编码设计，代码与多模态理解能力显著提升。ZenMux 提供零延迟首发和限时免费额度，并支持按量计费与 Builder 套餐。
AI产品Claude Opus 4.8ZenMuxThree.js代码生成Agent
推荐理由：Claude Opus 4.8 的复杂空间推理与工程代码能力在真实场景中得到了验证，做 3D 可视化或 Agent 开发的团队可以直接在 ZenMux 上免费试，一次成型的效果值得亲自跑一遍。
原文
09:18
09:18shao__meng@shao__meng
83°
Anthropic 在宣布 H 轮 650 亿美金融资当天，发布了 Claude Opus 4.8。该模型在编码、Agent 任务和知识工作方面显著提升，SWE-Bench Pro 达到 69.2%，Terminal-Bench 2.1 为 74.6%。关键改进包括更诚实的自我监控（误判减少 4 倍）、更稳定的 Agent 协作质量，以及计算机/浏览器 Agent 能力提升（OSWorld-Verified 83.4%）。同时引入 Claude Code Dynamic Workflows，支持从单 Agent 到规划、并行、验证的协作模式。定价不变，即日可用。
AI模型Claude Opus 4.8推理模型Agent/智能体编程助手浏览器自动化
推荐理由：做复杂编码、Agent 和浏览器自动化的团队可以直接升级——Opus 4.8 在诚实度和任务完成率上都有实质提升，且价格不变，值得立即试用。
原文
09:07
09:04
08:38
08:38官方账号Simon Willison’s Weblog（博客/媒体）
精选76°
Anthropic 发布了 Claude Opus 4.8，官方描述为“微小但切实的改进”。该模型最大的亮点是诚实性提升，在评估中错误率最低，主要通过不确定时主动弃权而非强行回答来减少幻觉。定价与 Opus 4.7 相同，但新增了“快速模式”且价格大幅降低。技术上新支持对话中插入系统消息，可动态调整指令而不影响缓存，对长对话和智能体循环更友好。提示缓存最低门槛也从 1024 降至 512 token，进一步降低成本。
AI模型Claude Opus 4.8Anthropic诚实性对话系统消息提示缓存
推荐理由：Anthropic 坦诚承认这是小幅升级，但诚实性改进和对话中系统消息功能对做长对话应用或智能体开发的团队很实用，建议关注缓存优化带来的成本节省。
原文