5 月 29 日，AI 安全先锋 Anthropic 正式发布旗舰模型 Claude Opus 4.8。作为 Opus 4.7 的增量升级版，新模型在保持价格不变的前提下，重点强化了智能体编程可靠性、多步骤推理稳定性与知识工作准确性，并显著降低“幻觉”与无依据结论的发生率。
更可靠、更敏锐：智能体行为全面优化
与前代相比，Opus 4.8 的更新幅度虽小，但直击当前 AI 智能体落地的核心痛点——不可靠性。据 Anthropic 官方及多家早期测试方反馈，Opus 4.8 在复杂、多步骤任务中表现“更可靠，判断也更敏锐”。
具体而言：
主动质疑不合理计划：当用户指令存在逻辑漏洞或目标模糊时，模型会主动提问或提出异议，而非盲目执行；
识别并修正自身错误：在长任务链中能回溯上下文，发现前后矛盾并自我纠正；
代码缺陷标注率提升：放任自己所写代码存在缺陷却不加说明的概率降至 Opus 4.7 的四分之一；
减少无依据结论：更愿意主动标出不确定性，避免“自信地胡说”。
这一系列改进源于 Anthropic 对“对齐”（alignment）技术的持续深化。在亲社会指标上，Opus 4.8 在“支持用户自主性”“按用户最佳利益行动”等维度创下新高；同时，欺骗、操纵等失配行为出现率进一步降低，已接近其前沿研究模型 Claude Mythos Preview 的水平。
性能与成本双优化：快速模式提速 2.5 倍，成本降至 1/3
Anthropic 同步宣布了 Opus 4.8 的性能与定价调整：
快速模式（Fast Mode）：推理速度提升至 2.5 倍，适用于对响应时间敏感的场景；
模型成本：整体降至此前模型的 1/3，为大规模部署提供经济基础。
定价方面维持双轨制：
常规模式：输入 $5 / 百万 tokens，输出 $25 / 百万 tokens（与 Opus 4.7 相同）；
快速模式：输入 $10 / 百万 tokens，输出 $50 / 百万 tokens。
此外，claude.ai 新增 effort 程度控制 功能，用户可在 high、extra（Claude Code 中为 xhigh）、max 等档位间切换，灵活平衡质量与成本。默认 high 档在编码任务中的 token 消耗与 Opus 4.7 相近，但效果更优；更高档位则通过增加计算投入换取极致输出。
基准测试：SWE-Bench Pro 达 69.2%，超越 GPT-5.5 与 Gemini 3.1 Pro
在权威评测中，Opus 4.8 表现亮眼：
SWE-Bench Pro（软件工程基准）：得分 69.2%，超越 OpenAI GPT-5.5 与 Google Gemini 3.1 Pro；
多领域知识推理：在法律、金融、科研等专业场景中，事实一致性与逻辑严谨性显著提升。
不过，在终端编程（Terminal-based coding）等特定任务上，GPT-5.5 仍保持领先，显示不同模型在细分领域的优势分化正日益明显。
行业背景：AI 进入“责任时代”，可靠性成竞争焦点
Opus 4.8 的发布正值全球 AI 产业从“能力竞赛”转向“责任竞赛”的关键节点。随着 GitHub Copilot 全面转向用量计费、企业将 AI 深度嵌入生产流程，模型的可靠性、可解释性与成本可控性已成为选型核心标准。
Anthropic 此次聚焦“减少幻觉”“主动标注不确定性”等看似“保守”的改进，实则是对高责任场景（如企业自动化、医疗辅助、金融分析）的精准回应。在 AI 从“玩具”变为“工具”的过程中，稳定比惊艳更重要，诚实比聪明更珍贵。