新智元報道

【新智元導讀】傳說中的Claude Opus 4.8，性能真的如此強大嗎？有人高呼封神，直言這是Opus 5，有人吐槽太拉了，還不如Opus 4.7，技術大佬也來拆臺。是夯爆了還是拉完了？一文深度看透。

Anthropic王者歸來！

深夜，Anthropic全新發布Claude Opus 4.8，一舉奪回全球AI王座。

Opus 4.8被定位為一款更強大的復雜任務模型，尤其是在編程、智能體任務和長時間推理方面。

更狠的是，神秘的Mythos幾周之內即將面世！

而且，趁著這股東風，Anthropic緊接著宣布好消息——

以9650億美元估值完成650億美元融資，超越62天前OpenAI的8520億美元的估值！

不過，當人們實測過后，整個科技界瞬間分裂成了兩個截然不同的陣營。

一方面，是以知名評測媒體Every和部分硬核生產力用戶為首的「狂熱派」。

他們高呼Opus 4.8已經「封神」，甚至直言Anthropic這次實在是太低調了，「他們完全可以直接叫它Opus 5，根本不會有人有異議。」

他們直言，Opus 4.8是目前市面上「最全面、最接近人類靈魂與頂尖工程師結合體」的模型。

但另一方面，以Ruby on Rails創始人DHH、Redis之父antirez為首的「開發者老炮」，卻在社交網絡上公開拆臺。

他們認為Opus 4.8的跑分雖然險勝老對手GPT-5.5，但實際的「編碼體感」卻依然落后，甚至直指Anthropic在基準測試的宣傳上犯了重大錯誤。

一方面，它的「快速模式」、「動態工作流」看起來都很殺手級，另一方面，桌面端的體驗，似乎又很拉垮。

Opus 4.8用起來的真實體感，究竟如何？

這是一次名不副實的擠牙膏，還是一次真正的大躍遷？

接下來，就讓我們揭開全貌！

這不是Opus 4.8，是Opus 5！

首先，是以Every團隊為代表的正方。

在長達一周的深度測試后，他們得出了震撼結論——這是我們測試過的最強模型，它簡直是個怪物。

甚至可以說，它可以被叫做Opus 5。

暴漲30分的「資深工程師基準」

在極難的「高級工程師基準」測試中，上一代Opus 4.7曾讓無數開發者大失所望，被指責為「難以使用、難以熱愛」。

但Opus 4.8這一次打了一場漂亮的翻身仗。

在「超高強度」模式下，Opus 4.8拿下了63分的高分，不僅比Opus 4.7夸張地暴漲了30分，更是以1分的微弱優勢，險勝了一直霸榜的GPT-5.5（62分）。

團隊試著讓它去徹底重構一個生產級別的代碼庫，結果Opus 4.8真的交付了一個能夠完美運行的系統！

結果說明，Opus 4.8絕不僅僅是一個補全工具，而是一個能在Repo（代碼倉庫）級別進行長線思考的架構師。

79.6分全場最高：擊穿「AI感」的最強寫手

如果說代碼能力是理科生的浪漫，那么寫作能力則是衡量模型EQ的終極標準。

在Every的寫作基準測試中（涵蓋論文、推廣郵件、長篇敘事等真實場景），Opus 4.8直接艷壓一眾模型。

Opus 4.8跑出了79.6的絕對高分，遠遠甩開了自家兄弟Sonnet 4.6（74.5）、老對手GPT-5.5（73）以及前代Opus 4.7（63）。

「這是一種非常奇妙的體驗。」多位創作者反饋。Opus 4.8極大地減少了令人不適的「AI味」。

當你給它一份風格指南后，它能異常精準地模仿你的語氣。

它甚至展現出了極高的心理學和人際交往洞察力，當你試圖和它探討一些深刻的心理問題時，它的回答毫不敷衍，而是會「質疑你的預設框架」，提供豐富、動態且極其具有深度的思考過程。

100萬Token的統治力，企業級應用一把過

除了跑分，Opus 4.8在復雜知識工作中的表現堪稱怪獸。

它依然保持了100萬Token的超大上下文窗口，這意味著你可以把一整本書的手稿、幾周的會議記錄，甚至一個完整的企業代碼庫一口氣塞給它。

最讓商業咨詢圈震驚的是，在企業級PPT生成測試中，Opus 4.8在Zero-shot的情況下，產出了一份結構清晰、設計合理、敘事邏輯堪稱完美的PPT。這是過去所有模型都無法做到的。

知名云存儲服務商Box，也在第一時間將Opus 4.8接入了其Box AI Agent并在真實企業數據上進行了測試，結果呈現出碾壓態勢。

· 報告起草：在工業品報告任務中，4.8得分87%（對比4.7的77%）；消費品發布評估任務中，得分高達90%。

· 法律審查：Opus 4.8能夠極其精準地抓取合規標準，找出潛在的合同漏洞，并在多次獨立測試中保持近乎完美的穩定性。

· 財務數據分析：在復雜的銀團貸款與雙邊貸款結構對比中，從繁雜的源文檔中提取準確財務指標的能力，比上一代提升了近8個百分點。

沃頓商學院教授Ethan Mollick的實測更是令人拍案叫絕。

他把幾年前數百份去匿名化的研究文件扔進Claude Code中的Opus 4.8。

結果，Opus 4.8自主完成了提前提出假設、數據清洗、尋找參考文獻、進行深度分析、穩健性檢驗，最后直接用LaTeX格式排版輸出了一篇高度專業的小型學術論文！

有趣的是，Mollick教授用GPT-5.5 Pro作為這篇論文的「審稿人」，GPT-5.5挑出了一個幻覺錯誤和幾個小問題，隨后Opus 4.8立刻虛心接受，完美修正。

或許這就是為什么Every的CEO Dan Shipper激動地將Opus 4.8稱為自己的「心頭好」。

一個不可思議的軟件工程師，同時又是一個擁有深度和同理心的近乎人類的作家，二者完美相融。

沃頓商學院教授實測的一個Opus 4.8驚艷案例

被群嘲的桌面端與「高智商稅」

如此強大的模型，為何沒有在全網形成絕對的碾壓之勢？

因為Opus 4.8身上背負著兩個沉重的枷鎖。

「大力出奇跡」的代價，是被智商分級綁架

評測機構很快發現了一個尷尬的事實：Opus 4.8的「神級表現」，可以說是病態地依賴于你給它設定的推理強度（Effort Level）。

在/effort的設定中，只有當檔位拉到「Extra-High」時，Opus 4.8才是那個得分63的資深工程師；一旦降級到「High」，它的編碼得分會瞬間暴跌至42，秒變平庸碼農。

在寫作上也是如此。High檔位下的Opus 4.8文筆優雅、邏輯嚴密；但一旦切到Medium，它就會瞬間原形畢露，暴露出AI最糟糕的套路化寫作惡習。

網友Haider尖銳地指出了這背后的技術退步：

我注意到了一個現象，4.8在低強度下消耗的Token，幾乎和4.6在高強度下一樣多。

GPT-5.5傾向于用更少的Token拿到更高的分數；而4.8似乎走向了反面，它在用海量的Token堆砌智能。

這就導致了Opus系列一直被詬病的硬傷——Rate Limits。

由于高強度模式極度消耗資源，大量訂閱了$200/月Max套餐的高端用戶反饋，在運行復雜Agent任務時，常常幾個小時就會撞上額度墻。

網友BridgeMind直言，自己為了測試連續燒穿了兩個200美元的賬號。

顯然，相較于OpenAI龐大算力支撐下的寬容生態，Anthropic顯得過于摳門了。

混亂的UI設計

如果說模型是引擎，那么客戶端應用就是底盤。而Claude的底盤，正在嚴重拖累這臺跑車。

多位深度評測者指出，Claude桌面端的設計簡直是一場災難。

Chat、Code、Cowork三個獨立標簽頁的分割，被指責為「混亂不堪」。

這種割裂的UI設計，被戲稱是「帶著時間推移的傷疤和Anthropic內部組織架構圖的縮影」。（太亮了）

相比之下，OpenAI的Codex桌面端應用被公認為是「干凈、快速，讓人感覺這就是未來」。

Opus 4.8的硬核實力確實讓很多人想回歸Claude，但糟糕的軟件交互體驗，最終還是讓很多人把GPT-5.5+Codex作為日常主力，只在處理復雜任務時，才會捏著鼻子切回Claude。

極其糟糕的「籠子」

大牛工程師Anthony Koeger是這樣評價的：最近流行的這句話實在太對了，「一個模型的好壞，取決于套在它外面的那層殼（A model is only as good as its harness）。」

而Opus這次有些拉跨。

是關于「誠實」的營銷，還是「跑分陷阱」下的戰略失誤？

伴隨著Opus 4.8的發布，全網也爆發了一場關于大模型「跑分意義的空前激辯。

這場爭論的導火索，就是一張Anthropic自己制作的官方發布圖。

眼尖的網友Aakash Gupta發現了一個極不尋常的細節——

在Anthropic發布的各模型能力對比圖中，在TerminalCoding這一項上，GPT-5.5的成績是78.2%，而Opus 4.8只有74.6%。

正常情況下，任何一家大廠的公關部，都會把輸掉的測試項悄悄從PPT上抹去。

但Anthropic沒有，他們不僅把失敗留在了圖表上，甚至還主動把GPT-5.5那代表勝利的78.2%做了加粗處理。

Aakash對此大加贊賞，認為這顯示出Opus4.8的核心賣點——誠實。

在大型Agent任務中，模型最昂貴、最致命的失敗模式，就是「過度自信」。

而Opus 4.8最大的隱性升級，就是它更愿意承認自己不確定。官方數據顯示，4.8在代碼中留下缺陷卻不聲張的概率，比4.7降低了驚人的4倍。

這次，Anthropic賣的不是跑分，而是誠實。

在Vending Bench測試中，Claude Opus 4.8的表現也遠遜于Opus 4.7和GPT 5.5

然而，業界大佬們并不買賬。

Ruby on Rails創始人和Redis之父，這兩位在開發者社區擁有極高話語權的大神，直接對Anthropic開炮。

DHH坦言，自從用了GPT-5.5之后，他經歷了無數次震撼時刻，這是他在Claude陣營很久沒有體會到的了。

antirez更是尖銳地指出，Anthropic這次把GPT-5.5放在同一張圖里對比，犯了一個「重大的戰略錯誤」。

過去的廠商比拼，往往是拿新一代模型和自己的上一代比。

但這次，Anthropic非要和GPT-5.5比。問題在于，現在全網的「體感」是，GPT-5.5的寫代碼能力非常、非常強悍。

當你Anthropic拿著一張圖表，告訴大家你的Opus4.8跑分比GPT-5.5還要高。

但我們用起來卻覺得并非如此時，你不僅不能證明你更強，反而會讓用戶覺得你們的基準測試是在自娛自樂，徹底失去公信力。

網友aditya的吐槽更是直擊靈魂：

用了快一個小時的Opus 4.8，它根本不值得炒作。

幾個很普通的工程任務，它全搞砸了。

在前端領域，網友也感到失落：「用了幾個小時4.8，感覺還不如4.7順手。」

這一現象印證了AI大V Chubby的觀察：Anthropic現在仿佛在拼命追趕OpenAI，而不是以前那樣在引領整個行業了。

面對即將到來的GPT-5.6，Anthropic的王座顯得搖搖欲墜。

有人做了一個速查表，結論是GPT 5.5和Opus 4.8的勝負取決于推理能力和獲得第一個token的時間

6周的趕工，Anthropic這次急了

為什么Opus 4.8 會呈現出如此復雜、矛盾的評價？

一個不容忽視的數據是：Opus 4.8距離上一代4.7的發布，僅僅隔了6個星期。

這是Anthropic歷史上最快的一次大版本迭代（此前每個Opus版本的間隔至少在10周以上）。

資深觀察家BridgeMind一針見血地指出了真相：「這完全是一次倉促的發布，因為GPT-5.5正在瘋狂蠶食市場份額。」

那么，真正的殺招在哪里？

據多方消息證實，Anthropic真正的下一代旗艦模型，代號為Mythos，幾周內就會面世。

「Opus 4.8只是一個過渡的創可貼，它修補了4.7的一些毛病，去幾個Agent榜單上刷了存在感。」業內人士指出，「如果你在期待真正的智能質變，請屏息等待Mythos。」

網友Machina的一段話，或許是對Opus 4.8發布最貼切的解讀。

我們已經跨過了那條線——現在的旗艦模型，已經超出了絕大多數普通人分辨其優劣的能力上限。所以，現在世界上只剩下唯一一個真實的Benchmark，那就是你自己的工作流。

如果連你在自己最爛熟于心的工作上都感覺不出差異，那么這些跑分對你來說，就沒有任何意義。」

Opus 4.8到底是神作，還是一次倉促的公關手段？

調出你最難啃的那個項目，讓實測給你答案吧。

參考資料：

https://every.to/vibe-check/opus-4-8-vibecheck

https://x.com/bridgemindai/status/2060107380159852900

https://x.com/danshipper/status/2060043738752422304?s=20

編輯：Aeneas 大衛