Opus 4.8 发布，但最值钱的升级不在跑分榜上

AI范儿 · 产品拆解⏱ 6 分钟

AI 圈这两周太消停了，都没啥新东西发布，所以这两周我基本上也没写什么。

但昨天晚上就看到 X 上说 Claude Opus 要发 4.8，没想到一早起来真的发布了。

这确实很让我意外。距离 Opus 4.7 发布也就一个月多一点点，这么短的时间内又发一个新版本，Anthropic 还是太强了。

然后我的时间线同时蹦出两条消息：Mythos 级模型会在未来几个星期之内，向所有客户推出。Anthropic 在 H 轮融资里融了 650 亿美元，融完估值将近一万亿（具体是 9650 亿美元）。

这家公司着实疯了。

言归正传，这次的 Opus 4.8 到底咋样，一起来看看。

01先看参数：唯一输的那项

老规矩，先看跑分对比。

这样的跑分我们已经看腻了，基本上肯定是新模型在各维度领先市面上其他模型，这次也不例外。

不过我看到有网友嘲笑 Anthropic，把 GPT-5.5 放进来一起对比，这下全世界都知道 GPT-5.5 的编码能力跟 Opus 有得一比了。

事实也是如此，最近已经不少朋友从 Claude Code 迁到了 Codex。

这里确实有一项指标，居然比 GPT-5.5 差，那就是Terminal-Bench 2.1，它代表啥？

简单说，它是一个衡量 AI 在真实命令行环境里独立完成任务能力的评测基准。把 AI 丢进一个真实的 Linux 终端，给它一堆只能靠敲命令解决的活儿，看它能不能自己搞定。

活儿都是终端原生的：编译代码、配置环境、调试报错、跑脚本、修系统问题这类。AI 要像个工程师一样自己敲命令、看输出、再决定下一步，不是答个题就行。

它考的是 agentic（智能体）能力，也就是自主多步操作。一个任务往往要几十步，中间出错还得自己排查纠正，而不是一次问答。分数越高，越能当那个「会自己动手的命令行助手」。

有意思的地方来了。Opus 4.8 在这项上从 4.7 的 66.1% 涨到了 74.6%，涨了 8.5 个点，是它这次所有项目里涨幅最大的一项。

涨了这么多，结果还是输了。GPT-5.5 在同一项上是 78.2%。

4.7 → 4.8 涨幅榜（部分项目） Terminal-Bench 2.1 +8.5 66.1 → 74.6 SWE-bench Pro +4.9 64.3 → 69.2 Finance Agent v2 +2.4 SWE-bench Verified +1.0 已近天花板 注：Terminal-Bench 涨幅最大，却仍输给 GPT-5.5（78.2%）

▲ 图：4.7 到 4.8 进步最猛的，恰恰是那项输掉的

一家公司发新模型还主动把自己输的那项标出来，这事儿本身就挺 Anthropic 的。毕竟在 AI 圈，能承认自己有项目打不过对手，比模型本身聪明还稀罕。

02会说「我不确定」的模型

但跑分这点事，看完也就看完了。这次发布稿里花了最大篇幅讲的，其实是一个你在跑分表上根本看不到的东西：诚实。

这事得从 AI 的一个老毛病说起。

所有大模型都有一个通病：爱给自己脸上贴金。你让它写段代码、做个分析，它经常一脸自信地告诉你「搞定了，完美」，但实际上里头埋着雷，它自己也没真验过，只是「感觉应该没问题」。

这种证据明明很薄、却敢拍胸脯下结论的毛病，是用 AI 干正经活儿时最让人头疼的地方。因为它骗的不是别人，是信任它的你。

Anthropic 说，4.8 在这件事上明显改了。它更愿意主动告诉你「这块我不太确定」，更少做那些没根据的断言。

具体到一个能量化的数字：在它自己写的代码里，4.8 让缺陷悄悄溜过去、不吭一声的概率，是 4.7 的大约四分之一。

四分之一是什么概念？以前它写完代码，四个雷里能帮你指出一个；现在四个雷它能帮你点出三个，剩下那个才轮到你自己踩。

这个升级听着不性感，没有「跑分屠榜」那么唬人。

但凡是真拿 AI 干过活的人都知道，一个会主动说「这里我没把握」的助手，比一个永远信誓旦旦、关键时刻给你挖坑的助手，值钱太多了。

聪明不稀罕，靠谱才稀罕。

03能放它单飞干大活了

第二个我觉得真正有分量的，是跟 4.8 一起发的新功能：动态工作流（Dynamic Workflows），目前在 Claude Code 里做研究预览。

一句话说清它干嘛的：以前你给 AI 派个大活儿，它是一步一步串着干，你得在旁边盯着。

现在它能自己先把活儿拆开，一口气拉起几百个分身（subagent）并行去做，做完还会自己先验一遍货，确认没问题了再回来跟你汇报。

Anthropic 举的例子挺猛：用 Opus 4.8 跑 Claude Code，能把一个几十万行代码的项目，从动工到合并，整套大规模迁移自己干完。验收标准就是现有的测试用例，跑得过才算数。

这是什么意思呢？意思是 AI 干活的形态，正在从「你问一句它答一句」的助手，变成「你交代一个目标，它自己组队把活儿包圆」的工头。

⚠️ 先泼盆冷水这功能我还没上手试过。几十万行迁移这种活儿听着很美，真实可靠性如何，得真跑过才知道。AI 圈的 demo 和你自己电脑上的实际效果，中间隔着的距离，通常比发布会 PPT 上画的要远一点。

但方向是清楚的：模型本身聪明多少分，已经不是这次的重点。重点是它能不能放出去单飞、长时间无人值守地干完一整摊事。

04几个顺手的小更新

除了上面两个大的，这次还塞了几个小礼包。

一个是「努力程度」控制，现在普通用户在 claude.ai 上也能调了。调高，它想得更深、答得更好；调低，它回得更快、也更省你的额度。

说人话就是：以前是它替你决定花多少力气，现在你能自己拧这个旋钮了。急活儿调低，硬活儿调高。

这个设置估计是被之前的 4.6 降智给整怕了，因为之前他们默认调低了这个参数。结果虽然反应快了，但也降智了，导致很多用户抱怨。

另一个是 Fast 模式（快速模式）。Opus 4.8 的快速模式能跑出 2.5 倍速度，而且价格比上一代的快速模式便宜了整整三倍。

又快又便宜，这种好事在 AI 圈不常有。

价格方面，常规使用一分钱没涨，还是每百万输入 token 5 美元、输出 25 美元，跟 4.7 一模一样。

05那到底值不值得换

把话说回来。

如果你指望 4.8 是那种「用一次就回不去」的代际飞跃，那它不是，Anthropic 自己都没这么吹，开口就说这是「不大，但摸得着」的升级。

但如果你是真拿 Claude 干活的人，尤其是写代码、跑 agent、做长链条任务的，那这次该换。

理由不在那张跑分表上，而在两件事：它更愿意跟你说实话了，它能放出去干更大的活了。

回到开头那两条消息。41 天就发一版、Mythos 未来几周开放、估值冲到近万亿，这三件事其实是一回事：Anthropic 在拼命往前赶。

所以 4.8 与其说是一次大升级，不如说是个过渡。是它在掏出真家伙（Mythos）之前，先递过来的一杯水。

水不解渴，但它告诉你，正菜快上了，至少也可以安慰一下大家对 Opus 4.7 失望的心情。

你是已经换上 4.8 了，还是打算憋着等 Mythos？顺便聊聊：你最近是 Claude Code 党，还是已经投奔 Codex 了？评论区见。觉得有用 → 点个 ❤️在看 转给还在纠结要不要换的朋友点个赞 告诉我你看完了关注「AI范儿」，下次更新第一时间收到