千呼萬喚，Claude Opus 4.8 正式發布了。

北京時間 5 月 29 日凌晨，Anthropic 正式發布 Claude Opus 4.8，如果只看名字，Opus 4.8 很容易被理解成 Opus 4.7 后面的一次小版本更新，其實從官方釋出的性能表來說，也確實如此。比如 Terminal-Bench 2.1 上，GPT-5.5 的 78.2% 仍然高于 Opus 4.8 的 74.6%。

（圖源：Anthropic）

不過，Anthropic 的真正殺招不只是 Claude Opus 4.8，而是隨這個新旗艦模型一同釋出，包括 Claude.ai 的 effort control、Claude Code 的 dynamic workflows 的全新Agent能力。

事實上，Anthropic 已經不再執著于讓 Claude 變得更聰明了，而是選擇讓 Claude 變得更能干活了。

判斷力是Opus 4.8 的最大突破

我們先來看看 Anthropic 這款最新旗艦模型 Claude Opus 4.8 的具體性能。

官方性能表里，Opus 4.8 在 Agentic Coding、Agentic Computer Use、Knowledge Work、Finance Agent 等多個項目上超過 Opus 4.7、GPT-5.5 和 Gemini 3.1 Pro。在 SWE-Bench Pro 上，Opus 4.8 是 69.2%，高于 Opus 4.7 的 64.3%；OSWorld-Verified 上，Opus 4.8 是 83.4%；GDPval-AA 上，Opus 4.8 得到 1890；Finance Agent v2 上，Opus 4.8 是 53.9%。

（圖源：Anthropic）

簡單來說，Opus 4.8 的核心升級是寫代碼、用終端、操作電腦、處理知識工作、做金融分析。更直白一點說，Opus 4.8 不是為“問答”而升級，而是為“代理執行”而升級。

過去一年，大家對 coding agent 最大的不滿，并不是它完全不會寫代碼，而是它太自信了，比如你讓它跑一個任務，它會說任務完成了，但測試沒有真正跑通，還有它會把自己生成的代碼缺陷放過去，甚至用很篤定的語氣告訴你“一切正常”。換到問答里，那就是 AI 又一次“穩穩地接住了你”。

這類問題對聊天產品來說只是體驗不太行，但對 agent 來說就是生產事故。

因為 agent 的本質不是回答，而是行動。一個會行動的模型，最可怕的不是能力不足，而是能力不足卻不知道自己不足，所以 Opus 4.8 的提升點很重要，它更愿意指出不確定性，愿意在證據不足時停下來，等待你補充完整信息再去行動。官方甚至提到，Opus 4.8 讓代碼缺陷未經提醒通過的概率，比前代低了很多。

從官方早測反饋看，Cursor、Devin、Databricks、法律 AI、金融分析、瀏覽器 agent 等合作方也提到：

工具調用更干凈，任務推進更穩，長程上下文保持更好，更適合無人值守或半無人值守的復雜工作。

另外，ClaudeDevs 官方賬號對 dynamic workflows 做了連續解釋：Claude Code 現在可以臨時寫 orchestration script，然后并行啟動大量 coordinated subagents 來處理復雜任務。官方還明確說，這類 workflow 適合 service-wide bug hunt、大型遷移、設計壓力測試這類單 agent loop 很難完成的任務。

（圖源：Anthropic）

Bun 作者 Jarred Sumner 表示， dynamic workflows 是目前可靠使用 agents 完成中大型項目的前沿方式之一，并提到 Bun 重寫為 Rust 的過程中，dynamic workflows 和 adversarial code review 起到了重要作用。

不難看出，Opus 4.8 就不是一個單獨拎出來很強的模型，它更重要的是在 Claude Code 這套 agent 系統里的核心執行模型。

與此同時，Anthropic 一同發布的幾個新能力也很有意思，比如Claude.ai 新增的 effort control ，用戶現在可以控制 Claude 在任務上“花多少力氣”，有幾個選項，低 effort 更快、更省；高 effort 更深、更適合復雜任務，Opus 4.8 默認的是 high effort，假如想要省一些 token，那最好手動切換回低 effort。

5 月模型大混戰：全員加速 Agent

整個 5 月，AI 圈幾乎是各家廠商各顯神通。

OpenAI 繼續強化 Codex，展示用 Codex 構建自改進稅務智能體；Google 在 I/O 上發布一整套 AI agent 開發工具鏈；GitHub、Cursor、OpenAI 都在爭奪企業級 AI 編程代理的位置；Replit Agent 開始和自動化 QA 結合；Luma Agents 用于規模化生成真實 UGC 廣告；阿里云也在推 DataWorks AI 數據智能體和“全天候 AI 勞動力”。

國內模型側也在繼續高頻迭代，比如Qwen3.7-Max 強調編程能力，智譜 GLM-5.1 高速版主打 API 速度，MiniCPM5-1B、BitCPM-CANN 繼續往端側、低比特、低成本方向推進，商湯和騰訊混元等也在快速更新迭代。

與此同時，價格戰也在悄悄打響。

DeepSeek 再次降價，小米 MiMo 大模型也以極低價格入場，表面上看，這是 API 報價競爭，但實際上還是為了 Agent，因為 Agent 實在是太吃 tokens 了。

如果只是聊天，一次可能只消耗幾百到幾千 tokens，但 Agent 不一樣，它要讀上下文、拆任務、寫計劃、調用工具、執行代碼、檢查結果、修復錯誤，有時還要拉起多個 subagents 并行工作。Claude Code 的 dynamic workflows 就是典型例子，官方自己也提醒它 powerful but expensive，會快速消耗大量 tokens。

所以，token 價格戰不只是為了讓聊天更便宜，而是為了讓 Agent 這種高消耗形態跑得起來。所以，就連 Anthropic 也不得不把 fast mode 的價格打到了前代的三分之一，來應對這樣的高消耗。

（圖源：Anthropic）

看起來，大家只是在按部就班更新模型，但似乎都遺漏了一點，那就是這些模型的核心已經不再是聊天，而是比誰更能進入真實工作流。

過去的大模型競爭，主戰場是對話，誰回答得更自然，誰推理更強，誰上下文更長，誰模態更好，現在主戰場正在變成 agent。

Agent 競爭的核心不是單次回答，而是連續執行，它要求模型會拆任務、會調用工具、會管理上下文、會處理權限、會控制成本、會復核輸出，還要能在復雜環境中長時間不跑偏。

這也是為什么 Opus 4.8 的官方沒有強調對話能力，而是把重點放在 agentic coding、computer use、knowledge work、financial analysis。因為 Anthropic 很清楚，未來最值錢的模型調用，不一定發生在聊天窗口里，而是發生在 IDE、終端、瀏覽器、數據平臺、企業后臺和各種自動化流程里。

（圖源：Anthropic）

從這個角度看，dynamic workflows 可能比 Opus 4.8 本身更重要。因為它把 Claude Code 從“一個 AI 程序員”推向“一支 AI 工程隊”。過去你讓模型做任務，本質上是一個模型在一個上下文里循環。現在它開始能拆分任務、并行分配子代理、讓不同 agent 互相驗證，最后再匯總結果。

綜合來看，5 月這場模型大混戰，不只是“模型更強了”，而是“模型正在被允許做更多事”。

Claude 一夜蛻變成工作流系統

Opus 4.8 雖然在定位上是 Cludue 的旗艦模型，但不會是一次“震撼全場”的模型發布。

它更像 Anthropic 給市場遞出的一張路線圖，這張路線圖里，模型不能只追求更聰明，還要更穩；任務不能只完成一輪對話，還要能持續推進；AI 不能只給出答案，還要能解釋過程、復核結果、控制成本，并且把工作流沉淀下來。這些都是未來所有大模型都要關注的點。

于是我們可以看到，Opus 4.8 負責把 Claude 的判斷力和長程執行能力往前推一步，effort control 讓用戶可以在質量、速度和成本之間主動調節，dynamic workflows 則把 Claude Code 從單個 coding agent，推向一個可以拆任務、調度 subagents、并行執行和復核結果的工程協作系統。

Claude 正在變成什么呢？答案已經很明顯了，Claude 正在從一個聊天模型，變成一個工程協作系統。

接下來，大模型公司的競爭也會越來越少停留在“誰更會說”，而是把目標放在更可靠地完成復雜任務、更便宜地支撐高頻調用，把模型、工具、工作流、安全和成本控制，真正打包成生產力系統。

在這一方向上， Anthropic 已經交出了第一份答卷。

Opus名字來自拉丁語中的“作品”，常用來形容一位作曲家的傳世之作（magnum opus，即“最偉大的作品”）。在古典音樂里，Opus 后面跟著編號，代表作曲家最重要的創作。貝多芬的《月光奏鳴曲》是 Op. 27，《命運交響曲》是 Op. 67。這不是隨便寫的東西，這是嘔心瀝血的集大成之作。

從引領加速AI產業進入工作流時代的意義來看，Claude Opus 4.8確實堪稱一個傳世之作。