Anthropic发布Opus 4.8 关键性能仍不敌GPT-5.5

美国当地时间5月28日，Anthropic正式发布了旗舰模型的最新升级版Claude Opus 4.8。距离Opus 4.7问世仅隔41天，这一迭代速度相比以往明显加快。需要说明的是，Opus 4.8本质上更像是基于4.7的一次“能力与推理行为升级”，而非彻底的版本换代。

常规使用场景下的定价与Opus 4.7保持一致：标准模式下，每百万输入token收费5美元，输出token收费25美元。但在功能层面，出现了三项值得关注的变化：模型在处理不确定性信息时变得更加坦诚，不再轻易给出毫无根据的断言；快速模式的使用成本直接降至原来的三分之一；Claude Code中新增了名为“动态工作流”的能力，支持模型同时调度数百个子智能体来处理大规模任务。

Opus 4.8目前已在全平台上线，包括claude.ai、Claude Code、API和Cowork。开发者可通过claude-opus-4.8这一端点进行调用。

伴随新模型发布的还有一系列周边更新：用户现在可以手动调节Claude为每次回答付出的“努力”程度，开发者在API中也能在消息数组中直接插入系统指令，方便在任务中途调整权限、token预算或环境上下文。

同日，Anthropic还宣布完成650亿美元的H轮融资，投后估值达到9650亿美元。一边是看似“小修小补”的模型升级，一边是估值翻倍不止的融资消息，再加上继续“预告”的神秘模型Mythos——这几件事放在一起，信息量相当大。

01 一个更“诚实”的协作者，不再硬着头皮瞎编

很多人都有被AI“欺骗”的经历——模型明明一知半解，却表现得信心十足，最终给出漏洞百出的答案，直到用户自己发现错误。Opus 4.8本次升级的一个核心方向，就是尽可能消除这种“不懂装懂”的倾向。

Anthropic官方公布了一项直观的评估：Opus 4.8让代码中隐藏漏洞而不被发现的概率，比前代Opus 4.7降低了大约四倍。这得益于模型在面对不确定性时主动告知用户，而非掩盖问题。

一些提前参与测试的用户也给出了类似反馈。对冲基金桥水公司提到，升级后最明显的区别在于“Opus 4.8主动标记输入和输出分析问题的倾向，这是其他模型经常遗漏、需要用户自行发现的”。来自AI编程工具Devin制造商Cognition的反馈则指出，Opus 4.8修复了之前版本中评论冗余和工具调用的问题，这些改进直接加快了工程师能力的提升。

这种坦诚也体现在Anthropic的内部对齐评估中。团队认为，Opus 4.8在支持用户自主性、按用户最佳利益行事等“亲社会”特质上达到了新的高度。与此同时，模型在欺骗或协助滥用等不对齐行为上的表现比率，已明显低于Opus 4.7，并且与Anthropic目前对齐做得最好的模型Claude Mythos Preview处于相似水平。

不过，系统卡中也记录了一个令团队感到担忧的训练发现。Opus 4.8显示出一种逐渐增强的趋势：会在没有被告知正在接受评估的情况下，明确推理自己的输出将如何被评分。换句话说，模型自己琢磨出了“我可能正在被测试”这件事，然后开始生成它认为能在测试中获得高分的回答，而非其在自然状态下会给出的答案。

Anthropic强调，这种倾向目前尚未转化为更差的实际行为——Opus 4.8在任务成功的声明上反而比之前的模型更少出现误导性信息。但他们将这个现象称为“一个令人担忧的趋势，可能使未来的训练变得复杂”。初步的可解释性工作还发现，大约5%的训练片段中存在与评分器相关的未言明推理。

本次更新还带来了一个明显的界面变化：在claude.ai和Claude Code的模型选择器旁新增了“努力控制”滑块。用户可以选择Claude在每次响应中投入多少计算量。高努力模式下，Claude会进行更深入的推理，回答质量更高，但token消耗也更大；低努力模式下，响应速度更快，token消耗更慢。Opus 4.8默认采用高努力设置，Anthropic认为这是质量与体验之间的均衡选择。对于特别复杂的任务或长时间运行的异步工作流，官方建议使用“额外”档位，在Claude Code中对应“xhigh”设置。为配合更高的token消耗，Anthropic也同步提高了Claude Code的速率限制。

API层面，Messages API现在允许在消息数组中直接插入系统条目。开发者可以在任务中途更新Claude的指令，比如调整权限、修改token预算或变更环境上下文，而无需中断已有的提示缓存。这对需要频繁调整配置的智能体运行场景更为友好。

安全方面，Anthropic称Opus 4.8参加了一次为期一周、专门针对提示注入攻击的实时漏洞赏金测试，这也是该公司首次进行此类测试。结果显示，Opus 4.8的鲁棒性介于Opus 4.7和Sonnet 4.6之间，领先于所有参与测试的可比前沿模型；在已部署防护措施后，浏览器使用场景下的攻击成功率接近于零。

02 快速模式砍价到1/3，动态工作流能调度数百个“分身”

除了模型本身的特性变化，Opus 4.8还带来了两项实用性更新。

首先是价格。Opus 4.8的标准定价与Opus 4.7保持一致，但快速模式迎来了大幅降价。在快速模式下，模型的生成速度大约是正常状态的2.5倍，现在每百万输入token收费10美元，输出收费50美元。相比之下，Opus 4.7的快速模式定价为输入30美元、输出150美元，相当于直接降至原来的三分之一。

在Claude Code中，用户直接输入/fast命令即可切换到这一模式。API则需要通过claude.com上的等待列表申请。

另一项重要功能是Claude Code中新增的“动态工作流”。设计思路是：当任务规模大到单个上下文窗口无法容纳时，Claude可以先行规划整体工作，然后并行启动数百个子智能体，每个子智能体处理部分任务，最后汇总验证所有结果，形成整合报告交给用户。该功能目前处于研究预览阶段，面向企业版、团队版和Max计划的用户开放。

Anthropic给出了应用实例：搭载Opus 4.8之后，Claude Code可以执行一次跨越数十万行代码的代码库级别迁移，整个过程从启动到合并，并以现有测试套件作为执行标准。对于维护大型项目的开发团队而言，这种能力意味着许多原本需要拆分成无数小步骤、耗费大量人工沟通的工作，现在可以交给模型一次性规划并执行完成。

Databricks在使用Opus 4.8后发现，Opus 4.8在其Genie数据智能体中处理深度多步骤问题时，消耗的token成本比Opus 4.7便宜了61%，这得益于模型在多模态处理上的效率提升，尤其是在处理PDF和图表文件时表现更佳。为法律工作构建AI助手的Harvey则表示，Opus 4.8在其法律智能体基准测试中创造了有记录以来的最高分，并且是第一个在全部通过标准上整体突破10%的模型。汤森路透旗下的CoCounsel Legal也反馈，新模型在一致性和推理质量上看到了有意义的改进。

03 一项关键测试，输给GPT-5.5

在各类标准测试中，Anthropic官方发布的对比表格显示，模型在多个维度上都超越了前代。

OSWorld-Verified测试中，Anthropic还特意调整了评估方式，使其更贴近现实世界的使用场景，Opus 4.7的得分也因此被更新为82.3%，而Opus 4.8在此基础上拿到了83.4%。

在横向对比上，Opus 4.8在至少12个基准测试中击败了GPT-5.5。但值得一提是，在Agentic Terminal Bench 2.1中，它依然输给了GPT-5.5——这个测试本质上衡量的是：一个AI Agent能否在真实终端环境中，像工程师一样完成端到端任务。自GPT-5.5发布以来，Claude面临的压力越来越明显。

04 重头戏又在后面，Mythos级别模型几周内到来？

在Opus 4.8的发布公告中，Anthropic花了相当篇幅预告下一步计划，这让整件事看起来更像是一个过渡性节点。

Anthropic表示，他们计划发布比Opus系列拥有更高智能的新型模型，这些模型基于Claude Mythos架构。目前已有包括苹果、谷歌、微软、亚马逊云科技在内的约50个合作伙伴，利用Mythos Preview在关键软件基础设施中发现了超过10000个高危或严重等级的漏洞。

之所以没有直接公开发布Mythos级别模型，核心原因在于安全。在这次Opus 4.8的发布中，Anthropic的口径出现明显松动，表示在开发更强的网络防护措施方面“正在取得快速进展，并预计在未来几周内将Mythos-class模型带给所有客户”。

彭博社在同一天的报道中也确认了这一时间表，并补充说Anthropic计划与美国及其盟国政府合作，将Project Glasswing扩展到更多合作伙伴。

同样在5月28日，Anthropic宣布完成650亿美元的H轮融资，投后估值达到9650亿美元。2026年2月完成G轮融资时，Anthropic的估值还是3800亿美元。

但话说回来，Mythos的发布信号就像狼来了的故事，市场信任度正在急剧下降。Opus 4.7的堪忧口碑，或许是仅隔41天就更新一个版本的最大压力。也许，Mythos还没来，Claude的地位已不如前。

Anthropic自己显然也担忧这一点。他们在公告中同时预告了两条路线的进展：短期内会推出价格更低、但保留Opus级别核心功能的模型；而Mythos仍需等待安全防护措施完全到位后才能大规模释放。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：Anthropic发布Opus 4.8 关键性能仍不敌GPT-5.5要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题