Anthropic 发布 Claude Opus 4.8：在编码、智能体任务和专业工作方面性能显著提升

ProductAnnouncements

介绍 Claude Opus 4.8

May 28, 2026

我们正将 Claude Opus 升级至新版本：Claude Opus 4.8。它在 Opus 4.7 的基础上进行了多项基准测试改进，能提供更高效的协作体验。即日起可用，价格不变。

Opus 4.8 上线时还带来了几项新功能。claude.ai 上的用户现在可以控制 Claude 在完成任务时投入的精力。Claude Code 新增了“动态工作流”功能，使其能够处理极大规模的问题。此外，Opus 4.8 的快速模式（模型能以 2.5 倍速度工作）现在比此前模型便宜了三倍。

Opus 4.8 的能力

下表展示了 Opus 4.8 与其前代产品及其他模型在编码、代理能力、推理和实用知识工作任务的测试中的对比情况。更多详情及更广泛的能力评估请参见 Claude Opus 4.8 系统卡。

与 Opus 4.8 协作

早期测试者发现，Claude Opus 4.8 在执行代理任务时更加可靠，判断也更加敏锐。以下是部分测试者关于与 Opus 4.8 协作体验的评价：

Claude Opus 4.8 的判断力明显更好。在 Claude Code 中，它能提出恰当的问题、发现自身错误、在计划不合理时提出质疑，并在做出重大更改前逐步建立对复杂多服务探索的信心。这是一款很适合构建的模型。——Tom Pritchard，Staff Engineer

在我们的 Super-Agent 基准测试中，Claude Opus 4.8 是唯一一个完整通过所有案例的模型，在相同成本下超越了以往的 Opus 模型和 GPT-5.5。对于翻译、深度研究、幻灯片制作和分析等代理产品，它提供了强大的可靠性。——Kay Zhu，Co-Founder and CTO

在 CursorBench 上，Claude Opus 4.8 在每个努力层级上都超越了以往的 Opus 模型。工具调用显著更高效，以更少的步骤实现同等的智能，并能全程完成端到端任务。——Michael Truell，Co-Founder and CEO

Claude Opus 4.8 在我们的 Legal Agent 基准测试中取得了最高分，并且是首个在全部通过标准上突破 10% 的模型。对于实质性的法律工作而言，这种准确率的提升直接转化为客户能够放心交付的真实律师工作量。——Niko Grupen，Head of Applied Research

Claude Opus 4.8 感觉是相较 Opus 4.7 的一次重大生活质量升级：更快、更易协作，且能在长时间会话中更好地保持上下文和风格方向。在我需要同时兼顾声调、品味和技术执行的工作中，Opus 4.8 是我持续信赖的模型。——Katie Parrott，Staff Writer

Claude Opus 4.8 是我们测试过的最强的计算机使用和浏览器代理模型，在 Online-Mind2Web 上得分 84%，比 Opus 4.7 和 GPT-5.5 均有显著提升。它能保持反思和专注，满足我们客户代理工作负载对端到端可靠性的需求。——Miguel Gonzalez，Tech Lead

Claude Opus 4.8 干净地使用工具，并以我们的自主工程工作负载所需的一致性遵循指令，使其能够持续无人值守运行。它改进了 Opus 4.6，并修复了我们在 Opus 4.7 中看到的评论冗长和工具调用问题。Anthropic 的这次发布直接转化为在 Devin 上构建的工程师们更快速的能力提升。——Scott Wu，CEO

在我们长期运行的评估中，Claude Opus 4.8 的分析质量始终高于以往的 Opus 模型。它完成得更快，输出更丰富、信息密度更高。总体而言，信噪比明显更好。最大的区别在于 Opus 4.8 倾向于主动标记分析输入和输出中的问题，而其他模型经常忽略这些问题，留给用户去发现。——Michael Ran，Sr. Investment Associate

在CoCounsel Legal中，与之前的Opus模型相比，Claude Opus 4.8在一致性和推理质量方面带来了显著改进。对于客户所依赖的高风险专业工作流程，这种可靠性至关重要。在我们为法律和税务专业人士构建受托级AI系统时，这样的进步有助于在实际工作流程中提升可信AI性能的标准。Joel Hron首席技术官

Claude Opus 4.8为企业AI树立了新标杆。在Databricks用于数据和知识工作的AI智能体Genie中，新的Opus模型实现了智能推理的阶跃式提升，比任何之前的Opus模型更快地处理更深层次、多步骤的问题。其多模态能力还让Genie可以直接推理PDF、图表和其他非结构化内容，同时token成本比Opus 4.7低61%。Hanlin Tang神经网络首席技术官

在Hebbia编排器的金融文档工作流程中，Claude Opus 4.8提供了与Opus 4.7同样强劲的质量，同时在引用精度和检索的token效率方面有显著提升，这对我们客户日常处理的密集文档类型效果极佳。Aabhas Sharma首席技术官

01 / 11

Opus 4.8最显著的改进之一是其诚实性。我们训练所有模型保持诚实——例如，避免做出无法支撑的声明。但AI模型的一个普遍问题是它们有时会仓促下结论，尽管证据不足却自信地声称工作取得了进展。早期测试者报告称，Opus 4.8更倾向于标记对自己工作的不确定性，更少做出无依据的声明。这一点在我们的评估中得到证实，结果显示Opus 4.8对其编写代码中的缺陷不加注意的概率比前代模型低约四倍。

一如既往，我们在发布前对模型进行了详细的对齐评估。在积极特质方面，我们的对齐团队得出结论：Opus 4.8“在我们衡量亲社会特质（如支持用户自主性和以用户最佳利益行事）的指标上达到了新高。”评估还显示，Opus 4.8的错误对齐行为（如欺骗或与滥用行为合作）发生率明显低于Opus 4.7，并且与我们对齐最好的模型Claude Mythos Preview相当。完整的对齐评估以及一套部署前安全测试已在Claude Opus 4.8系统卡中报告。

今日同时发布

除了Claude Opus 4.8，我们还进行了以下更新：

• ⟦T0⟦动态工作流。这项新功能（以研究预览形式提供）使Claude能够在Claude Code中承担更大的任务。Claude可以规划工作，然后在单个会话中运行数百个并行子智能体（使用Opus 4.8时，智能体可以运行更长时间）。之后它会在向用户报告之前验证输出。例如，配备Opus 4.8的Claude Code现在可以从启动到合并执行跨数十万行代码的代码库级迁移，以现有测试套件为基准。你可以在⟦T1⟦⟦T2⟦这篇博文中了解更多关于动态工作流的信息——该功能适用于Claude Code企业版、团队版和Max版套餐。
• ⟦T0⟦在⟦T1⟦claude.ai和Cowork中控制努力程度。模型选择器旁边新增了一个控件，让用户可以选择Claude在回答中投入多少努力。在更高努力设置下，Claude会更频繁、更深入地思考，以提供更好的回答。在较低努力设置下，Claude会更快响应，并且更慢消耗用户的速率限制。用户现在有了这个选择——努力控制功能在所有套餐中均可用。
• ⟦T0⟦Messages API现在接受messages数组内部的系统条目。开发人员可以在任务中途更新Claude的指令，而无需破坏提示缓存或通过用户轮次路由更新。这可以在给定的场景中使用，用于在智能体运行时更新权限、token预算或环境上下文。

关于努力的说明

Opus 4.8 默认采用高努力模式，我们认为这是在质量和用户体验之间最佳的整体平衡。在编码任务上，这种努力级别消耗的令牌数量与 Opus 4.7 的默认设置相似，但性能更好。用户可以选择“extra”（在 Claude Code 中为“xhigh”）或“max”，模型将消耗更多令牌以获得更好的结果；我们建议在困难任务和长时间运行的异步工作流中使用“extra”。我们提高了 Claude Code 中的速率限制，以适应更高努力级别带来的更高令牌使用量；用户可以根据自己的项目选择合适的级别。

接下来是什么？

用户会发现 Opus 4.8 相比前代有了适度但切实的改进。仍有更多工作要做：我们正在开发并发布能够以更低成本提供与 Opus 相同诸多能力的模型。

不仅如此，我们还计划发布一个比 Opus 智能水平更高的新模型类别。作为 Project Glasswing 的一部分，少数组织目前正在使用 Claude Mythos Preview 进行网络安全工作。这种能力水平的模型在广泛发布前需要更强的网络防护措施。我们在开发这些防护措施方面进展迅速，并期待在未来几周内能够将 Mythos 类模型带给所有客户。

可用性

Claude Opus 4.8 现已全面可用。常规使用的定价与 Opus 4.7 相同：每百万输入令牌 5 美元，每百万输出令牌 25 美元。快速模式的定价为每百万输入令牌 10 美元，每百万输出令牌 50 美元。开发者可以通过 Claude API 使用 claude-opus-4-8。

脚注

• Terminal-Bench 2.1: 我们报告了所有模型使用 Terminus-2 公共测试工具时的得分。GPT-5.5 在 Codex CLI 测试工具上的报告得分为 83.4%。
• OSWorld-Verified：我们更改了运行 OSWorld-Verified 评估的方式，以更准确地反映模型在现实世界中的表现，并将 Opus 4.7 的得分更新为 82.3%。在 System Card 中了解更多更新信息。
• Finance Agent v2: Gemini 3.5 Flash 在 Finance Agent v2 上得分为 57.9%，较 Gemini 3.1 Pro 有显著提升。

相关内容

关于 Fable 5 网络防护措施及我们越狱框架的更多细节

Read more

介绍 Claude Sonnet 5

Sonnet 5 在编码、智能体和规模化专业工作方面均提供了前沿性能。

Read more

重新部署 Fable 5

Fable 5 将于 7 月 1 日全球回归。我们还在与 Amazon、Microsoft、Google 及其他 Glasswing 合作伙伴共同提出一个行业范围的越狱严重性评分框架。

Read more