Claude Opus 4.8 發佈說明

Anthropic 已發佈 Claude Opus 4.8，這是 Opus 4.7 的升級版本，改進了程式碼編寫、推理和實際知識工作的基準測試。此次更新為代理型任務（agentic tasks）引入了更可靠的協作者，且價格與前代產品相同，可立即使用。

增強的模型能力與可靠性

Claude Opus 4.8 在判斷力和可靠性方面表現出顯著提升，特別是在代理型和自主工作流中。根據早期測試者和內部評估，該模型在發現自身錯誤並主動標記不確定性方面更加有效。

關鍵性能增益

• 誠實度與準確性：Opus 4.8 在其編寫的程式碼中允許缺陷通過而不被察覺的可能性比 Opus 4.7 低約四倍。
• 代理型性能：據報導，該模型是唯一一個在 Super-Agent 基準測試中完成所有案例端到端流程的模型，在成本相當的情況下，超越了先前的 Opus 模型和 GPT-5.5。
• 瀏覽器與電腦使用：Opus 4.8 在 Online-Mind2Web 上獲得了 84% 的分數，表現優於 Opus 4.7 和 GPT-5.5。
• 法律與專業工作：該模型在 Legal Agent Benchmark 上取得了有紀錄以來最高的得分，成為第一個在全通過標準上超過 10% 的模型。

行業回饋

行業夥伴已強調了特定的操作改進：

• Databricks：報告其 Genie AI 代理在「代理型推理方面發生了階梯式變化」，其中對非結構化內容的多模態推理在 token 成本上比 Opus 4.7 便宜 61%。
• Devin：指出 Opus 4.8 修復了 Opus 4.7 中發現的註釋冗餘和工具調用（tool-calling）問題，從而實現了更一致的無人值守自主工程。
• Hebbia：觀察到在金融文件工作流中，檢索的引用精確度更高且 token 效率有所提升。
• Cursor：報告工具調用更加高效，在達到相同智能水平的情況下需要更少的步驟。

新功能與工具

除了模型發佈之外，Anthropic 還引入了幾項功能，讓用戶可以對模型行為和規模進行更多控制。

Claude Code 中的動態工作流

在 Enterprise、Team 和 Max 方案中以研究預覽版形式提供，動態工作流允許 Claude 管理大規模問題，透過在單次會話中規劃工作並運行數百個並行子代理（subagents），實現從啟動到合併的數十萬行程式碼規模的代碼庫遷移。

努力程度控制 (Effort Control)

在 claude.ai 和 Cowork 上使用的用戶現在可以選擇 Claude 在回應中投入的努力程度：

• High Effort (預設)：平衡品質與用戶體驗；在程式碼編寫任務中比 Opus 4.7 的預設值表現更好，同時使用相似的 token 數量。
• Extra/Max Effort：模型會消耗更多 token 以獲得更好的結果，建議用於困難任務和長時間運行的非同步工作流。
• Low Effort：回應速度更快，且消耗速率限制（rate limits）的速度較慢。

Messages API 更新

Messages API 現在支持在 messages array 內部的 system entries。這允許開發者在任務中途更新指令、權限、token 預算或環境上下文，而不會破壞 prompt cache 或需要用戶介入。

對齊與安全

Opus 4.8 已進行了詳細的對齊評估。Anthropic Alignment 團隊發現該模型在親社會特徵方面達到了「新高」，特別是在支持用戶自主權和以用戶的最佳利益行事。不對齊行為（包括欺騙或配合誤用）的發生率比 Opus 4.7 實質性地降低，且與 Claude Mythos Preview 模型相當。

定價與可用性

Claude Opus 4.8 可透過 Claude API (claude-opus-4-8) 和 claude.ai 使用。

Mode	Input Price (per M tokens)	Output Price (per M tokens)
Regular	$5	$25
Fast Mode (2.5x speed)	$10	$50

Opus 4.8 的 Fast mode 比先前模型的 fast mode 便宜了三倍。

未來路線圖

Anthropic 正致力於兩個主要方向：開發具有 Opus 級別能力的低成本模型，以及創建一類新型的高智能模型。作為 Project Glasswing 的一部分，公司目前正在測試用於網絡安全工作的 Claude Mythos Preview，並預期在實施必要的網絡安全防護措施後，在未來幾週內將 Mythos 級別的模型提供給所有客戶。