摘要
Claude Opus 4.8 不是一次跃迁，而是一次聚焦。作者｜桦林舞王 编辑｜ 靖宇 如果你和我一样，每天靠 AI 写稿、写代码、做研究，那你一定有过这种经历——AI 信心满满地交出一份结果，你检查半天发现里面藏着一个低级错误，而它全程没吭一声。 这种「假装一切都好」的毛病，可能是当下大模型最让人头疼的问题之一。 5 月 28 日，Anthropic 发布了 Claude Opus 4.8。距离上一个版本 Opus 4.7 的发布，仅仅过去了六周。 Opus4.8 不是一次令人窒息的代际飞跃，Anthropic 自己也坦承这只是「modest but tangible improvement（适度但明显的提高）」——但它做对了一件很多人期待已久的事：让 AI 学会承认自己的不确定性。 01 更快的节奏，更诚实的模型 从 2025 年 11 月的 Opus 4.5 开始，Anthropic 的旗舰模型迭代节奏已经变成了大约每两个月一次——4.5（去年 11 月）、4.6（今年 2 月）、4.7（4 月）、4.8（5 月底）。 六周一个版本，这在大模型行业里几乎是最激进的迭代速度了。 Opus 4.8 与自家模型和友商模型的对比｜图片来源：Anthropic 在标准 benchmark 上，Opus 4.8 的表现可以用「稳步推进」来概括。编程能力方面，SWE-bench Pro 从 4.7 的 64.3% 提升到 69.2%，SWE-bench Verified 从 87.6% 到 88.6%。多学科推理（Humanity's Last Exam）在使用工具的情况下拿到了 57.9%。知识工作评测 GDPval-AA 以 1890 的 Elo 值领先于 GPT-5.5 的 1769。计算机操作评测 OSWorld-Verified 也以 83.4% 领跑。 唯一被 GPT-5.5 压过的项目是终端编程（Terminal-Bench 2.1），GPT-5.5 拿了 78.2%，Opus 4.8 是 74.6%。 但说实话，这些跑分数字已经很难让人兴奋了。