Claude Opus 4.8上线：提升AI编程可靠性，减少无依据结论

5月29日，Anthropic正式发布了旗舰级新模型Claude Opus 4.8。这次更新的主打方向很明确：智能体编程、多领域推理和知识工作——换句话说，就是让模型在真正“干活”的时候更靠谱。

相比一个月前发布的Opus 4.7，这次迭代幅度不算大，定价也保持不变。但核心优化都落在了用户最敏感的环节上：编程、智能体任务、推理，以及知识密集型工作。说白了，就是那些能让你实际感受到“这模型变聪明了”的地方。

从多家早期测试方的反馈来看，Opus 4.8给人的印象是“更可靠，判断也更敏锐”。在复杂多步骤任务中，它的判断更稳了——不仅能主动提问，还能识别出自己犯的错误，甚至在计划不合理的时候提出异议。这种自主纠偏的意识，在之前的模型里并不常见。

一个很直观的数据：和Opus 4.7相比，Opus 4.8放任自己所写代码中存在缺陷、却不加说明的概率，下降了大约4倍。它更愿意主动标出不确定性，那些缺乏依据的结论也明显减少了。这意味着什么？模型不再是“闷头写代码、有错也不说”的状态，而是开始学着透明化自己的输出。

在对齐表现上，Opus 4.8同样有看点。它在支持用户自主性、按用户最佳利益行动等亲社会指标上创下了新高。与此同时，欺骗等失配行为的出现率低于Opus 4.7，与Claude Mythos Preview的水平接近。可以说，模型在“更听话”和“更诚实”之间找到了一个不错的平衡点。

配套功能也有更新。claude.ai上新增了effort程度控制，用户可以在更高质量和更快响应之间自由权衡。默认档位是high，在编码任务中，token消耗和Opus 4.7默认档接近，但效果更好。如果你选了extra或max（在Claude Code里对应xhigh），模型会消耗更多token来换取更优结果——这相当于给了你一个“拉满性能”的选项。

基准测试方面，Anthropic给出的成绩单很亮眼：Opus 4.8在SWE-Bench Pro上拿到了69.2%，并在该测试和其他多项基准中超过了GPT‑5.5与Gemini 3.1 Pro。不过有一点需要留意：在终端编程基准上，GPT‑5.5目前仍然领先。所以“全面超越”的说法还不成立，但至少在某些关键维度上，Anthropic确实追上了一步。

性能与价格方面也有调整。Opus 4.8的快速模式运行速度提升到了2.5倍，而成本则降到了此前模型的1/3。定价方案如下：常规模式每100万输入令牌5美元、每100万输出令牌25美元；快速模式则为每100万输入令牌10美元、每100万输出令牌50美元。速度更快、成本更低，这显然是冲着让用户“多用、用得爽”去的。