【新智元导读】听说中的 Claude Opus 4.8开云kaiyun.com，性能竟然如斯强劲吗？有东谈主高呼封神，直言这是 Opus 5，有东谈主吐槽太拉了，还不如 Opus 4.7，技巧大佬也来拆台。是夯爆了照旧拉收场？一文深度看穿。

Anthropic 王者归来！

夜深，Anthropic 全新发布 Claude Opus 4.8，一举夺回全球 AI 王座。

Opus 4.8 被定位为一款更强劲的复杂任务模子，尤其是在编程、智能体任务和万古刻推理方面。

更狠的是，神秘的 Mythos 几周之众人将面世！

况兼，趁着这鼓吹风，Anthropic 紧接着文告好音讯——

以 9650 亿好意思元估值完成 650 亿好意思元融资，卓越 62 天前 OpenAI 的 8520 亿好意思元的估值！

不外，当东谈主们实测事后，扫数这个词科技界顷刻间分裂成了两个截然相背的阵营。

一方面，是以驰名评测媒体 Every 和部分硬核坐蓐力用户为首的「狂热派」。

他们高呼 Opus 4.8 还是「封神」，以至直言 Anthropic 此次实在是太低调了，「他们完全不错径直叫它 Opus 5，根蒂不会有东谈主有异议。」

他们直言，Opus 4.8 是现时市面上「最全面、最接近东谈主类灵魂与顶尖工程师纠合体」的模子。

但另一方面，以 Ruby on Rails 独创东谈主 DHH、Redis 之父 antirez 为首的「开发者老炮」，却在外交网罗上公开拆台。

他们认为 Opus 4.8 的跑分天然险胜老敌手 GPT-5.5，但本体的「编码体感」却依然落伍，以至直指 Anthropic 在基准测试的宣传上犯了要紧邪恶。

一方面，它的「快速模式」、「动态责任流」看起来齐很杀手级，另一方面，桌面端的体验，似乎又很拉垮。

Opus 4.8 用起来的真实体感，究竟怎么？

这是一次名不副实的挤牙膏，照旧一次实在的大跃迁？

接下来，就让咱们揭开全貌！

这不是 Opus 4.8，是 Opus 5！

领先，是以 Every 团队为代表的正方。

在长达一周的深度测试后，他们得出了颠簸论断——这是咱们测试过的最强模子，它简直是个怪物。

以至不错说，它不错被叫作念 Opus 5。

暴涨 30 分的「资深工程师基准」

在极难的「高等工程师基准」测试中，上一代 Opus 4.7 曾让无数开发者大失所望，被斥责为「难以使用、难以有趣」。

但 Opus 4.8 这一次打了一场漂亮的翻身仗。

在「超高强度」模式下，Opus 4.8 拿下了 63 分的高分，不仅比 Opus 4.7 夸张地暴涨了 30 分，更是以 1 分的渺小上风，险胜了一直霸榜的 GPT-5.5（62 分）。

团队试着让它去透澈重构一个坐蓐级别的代码库，恶果 Opus 4.8 竟然录用了一个能够完满开动的系统！

恶果阐述，Opus 4.8 绝不单是是一个补全器用，而是一个能在 Repo（代码仓库）级别进行长线想考的架构师。

79.6 分全场最高：击穿「AI 感」的最强写手

要是说代码才气是理科生的恬逸，那么写稿才气则是斟酌模子 EQ 的终极递次。

在 Every 的写稿基准测试中（涵盖论文、实施邮件、长篇叙事等真实场景），Opus 4.8 径直艳压一众模子。

Opus 4.8 跑出了79.6 的阔气高分，远远甩开了自家昆季 Sonnet 4.6（74.5）、老敌手 GPT-5.5（73）以及前代 Opus 4.7（63）。

「这是一种终点奇妙的体验。」多位创作者响应。Opus 4.8 极地面减少了令东谈主不适的「AI 味」。

当你给它一份立场指南后，它能额外精确地效法你的口吻。

它以至展现出了极高的面貌学和东谈主际往复瞻念察力，当你试图和它探讨一些真切的面貌问题时，它的复兴绝不迁延，而是会「质疑你的预设框架」，提供丰富、动态且极其具有深度的想考流程。

100 万 Token 的管辖力，企业级哄骗一把过

除了跑分，Opus 4.8 在复杂常识责任中的施展号称怪兽。

它依然保持了 100 万 Token 的超大高下文窗口，这意味着你不错把一整本书的手稿、几周的会议纪录，以至一个完整的企业代码库链接塞给它。

最让交易辩论圈畏缩的是，在企业级 PPT 生成测试中，Opus 4.8 在 Zero-shot 的情况下，产出了一份结构融会、操办合理、叙事逻辑号称完满的 PPT。这是往常扫数模子齐无法作念到的。

驰名云存储办事商 Box，也在第一时刻将 Opus 4.8 接入了其 Box AI Agent 并在真实企业数据上进行了测试，恶果呈现出碾压态势。

· 论说草拟：在工业品论说任务中，4.8 得分 87%（对比 4.7 的 77%）；消费品发布评估任务中，得分高达 90%。

· 法律审查：Opus 4.8 能够极其精确地抓取合规递次，找出潜在的左券缝隙，并在屡次寂寥测试中保持近乎完满的稳妥性。

· 财务数据分析：在复杂的银团贷款与双边贷款结构对比中，从杂沓词语的源文档中索求准确财务想法的才气，比上一代擢升了近 8 个百分点。

沃顿商学院教养 Ethan Mollick 的实测更是令东谈主誉陆续口。

他把几年前数百份去匿名化的研究文献扔进 Claude Code 中的 Opus 4.8。

恶果，Opus 4.8 自主完成了提前提议假定、数据清洗、寻找参考文献、进行深度分析、端庄性检会，临了径直用 LaTeX 技艺排版输出了一篇高度专科的袖珍学术论文！

真理的是，Mollick 教养用 GPT-5.5 Pro 四肢这篇论文的「审稿东谈主」，GPT-5.5 挑出了一个幻觉邪恶和几个小问题，随后 Opus 4.8 坐窝回绝接管，完满修正。

八成这等于为什么 Every 的 CEO Dan Shipper 欣忭地将 Opus 4.8 称为我方的「心头好」。

一个不可想议的软件工程师，同期又是一个领有深度和同理心的近乎东谈主类的作者，二者完满相融。

沃顿商学院教养实测的一个 Opus 4.8 惊艳案例

被群嘲的桌面端与「高才气税」

如斯强劲的模子，为何莫得在全网酿成阔气的碾压之势？

因为 Opus 4.8 身上拖累着两个千里重的桎梏。

「恣意出遗迹」的代价，是被才气分级敲诈

评测机构很快发现了一个窘态的事实：Opus 4.8 的「神级施展」，不错说是病态地依赖于你给它设定的推理强度（Effort Level）。

在 /effort 的设定中，只须当档位拉到「Extra-High」时，Opus 4.8 才是阿谁得分 63 的资深工程师；一朝左迁到「High」，它的编码得分会顷刻间暴跌至 42，秒变普通码农。

在写稿上亦然如斯。High 档位下的 Opus 4.8 文笔优雅、逻辑严实；但一朝切到 Medium，它就会顷刻间原形毕露，暴表示 AI 最灾祸的套路化写罪犯习。

网友 Haider 机敏地指出了这背后的技巧安详：

我戒备到了一个现象，4.8 在低强度下耗尽的 Token，简直和 4.6 在高强度下雷同多。

GPT-5.5 倾向于用更少的 Token 拿到更高的分数；而 4.8 似乎走向了反面，它在用海量的 Token 堆砌智能。

这就导致了 Opus 系列一直被诟病的硬伤—— Rate Limits。

由于高强度模式终点耗尽资源，巨额订阅了 $200/ 月 Max 套餐的高端用户响应，在开动复杂 Agent 任务时，往往几个小时就会撞上额度墙。

网友 BridgeMind 直言，我方为了测试引导烧穿了两个 200 好意思元的账号。

显豁，相较于 OpenAI 宏大算力复旧下的宽宏生态，Anthropic 显得过于爱惜了。

混乱的 UI 操办

要是说模子是引擎，那么客户端哄骗等于底盘。而 Claude 的底盘，正在严重拖累这台跑车。

多位深度评测者指出，Claude 桌面端的操办简直是一场难堪。

Chat、Code、Cowork 三个寂寥标签页的分割，被斥责为「混乱不胜」。

这种割裂的 UI 操办，被戏称是「带着时刻推移的伤痕和 Anthropic 里面组织架构图的缩影」。（太亮了）

比拟之下，OpenAI 的 Codex 桌面端哄骗被公认为是「干净、快速，让东谈主嗅觉这等于畴昔」。

Opus 4.8 的硬核实力确乎让许多东谈主想追忆 Claude，但灾祸的软件交互体验，最终照旧让许多东谈主把 GPT-5.5+Codex 四肢日常主力，只在惩处复杂任务时，才会抓着鼻子切回 Claude。

极其灾祸的「笼子」

大牛工程师 Anthony Koeger 是这么评价的：最近流行的这句话实在太对了，「一个模子的犀利，取决于套在它外面的那层壳（A model is only as good as its harness）。」

而 Opus 此次有些拉跨。

是对于「本分」的营销，照旧「跑分罗网」下的政策伪善？

伴跟着 Opus 4.8 的发布，全网也爆发了一场对于大模子「跑分真理的空前舌战。

这场争论的导火索，等于一张 Anthropic 我方制作的官方发布图。

眼尖的网友 Aakash Gupta 发现了一个极不寻常的细节——

在 Anthropic 发布的各模子才气对比图中，在 TerminalCoding 这一项上，GPT-5.5 的收货是 78.2%，而 Opus 4.8 只须 74.6%。

正常情况下，任何一家大厂的公关部，齐会把输掉的测试项暗暗从 PPT 上抹去。

但 Anthropic 莫得，他们不仅把失败留在了图表上，以至还主动把 GPT-5.5 那代表告捷的 78.2% 作念了加粗惩处。

Aakash 对此大加唱和，认为这自大出 Opus4.8 的中枢卖点——本分。

在大型 Agent 任务中，模子最不菲、最致命的失败模式，等于「过度自信」。

而 Opus 4.8 最大的隐性升级，等于它更餍足承认我方不细目。官方数据自大，4.8 在代码中留住弱势却不声张的概率，比 4.7 裁汰了惊东谈主的 4 倍。

此次，Anthropic 卖的不是跑分，而是本分。

在 Vending Bench 测试中，Claude Opus 4.8 的施展也远逊于 Opus 4.7 和 GPT 5.5

然则，业界大佬们并不买账。

Ruby on Rails 独创东谈主和 Redis 之父，这两位在开发者社区领有极高讲话权的大神，径直对 Anthropic 开炮。

DHH 坦言，自从用了 GPT-5.5 之后，他资格了无数次颠簸时刻，这是他在 Claude 阵营很久莫得体会到的了。

antirez 更是机敏地指出，Anthropic 此次把 GPT-5.5 放在团结张图里对比，犯了一个「要紧的政策邪恶」。

往常的厂商比拼，时常是拿新一代模子和我方的上一代比。

但此次，Anthropic 非要和 GPT-5.5 比。问题在于，当今全网的「体感」是，GPT-5.5 的写代码才气终点、终点强悍。

当你 Anthropic 拿着一张图表，告诉全球你的 Opus4.8 跑分比 GPT-5.5 还要高。

但咱们用起来却以为并非如斯时，你不仅不成讲解你更强，反而会让用户以为你们的基准测试是在自娱自乐，透澈失去公信力。

网友 aditya 的吐槽更是直击灵魂：

用了快一个小时的 Opus 4.8，它根蒂不值得炒作。

几个很普通的工程任务，它全搞砸了。

在前端限度，网友也感到失意：「用了几个小时 4.8，嗅觉还不如 4.7 顺遂。」

这一现象印证了 AI 大 V Chubby 的不雅察：Anthropic 当今仿佛在拚命追逐 OpenAI，而不是以前那样在引颈扫数这个词行业了。

靠近行将到来的 GPT-5.6，Anthropic 的王座显得摇摇欲坠。

有东谈主作念了一个速查表，论断是 GPT 5.5 和 Opus 4.8 的赢输取决于推理才气和赢得第一个 token 的时刻

6 周的赶工，Anthropic 此次急了

为什么 Opus 4.8 会呈现出如斯复杂、矛盾的评价？

一个破裂无情的数据是：Opus 4.8 距离上一代 4.7 的发布，只是隔了 6 个星期。

这是 Anthropic 历史上最快的一次大版块迭代（此前每个 Opus 版块的远离至少在 10 周以上）。

资深不雅察家 BridgeMind 言简意该地指出了真相：「这完全是一次仓促的发布，因为 GPT-5.5 正在狂妄蚕食市集份额。」

那么，实在的杀招在那处？

据多方音讯证据，Anthropic 实在的下一代旗舰模子，代号为 Mythos，几周内就会面世。

「Opus 4.8 只是一个过渡的创可贴，它修补了 4.7 的一些过失，去几个 Agent 榜单上刷了存在感。」业内东谈主士指出，「要是你在期待实在的智能质变，请屏息恭候 Mythos。」

网友 Machina 的一段话，八成是对 Opus 4.8 发布最贴切的解读。

咱们还是跨过了那条线——当今的旗舰模子，还是超出了绝大多数普通东谈主辞别其优劣的才气上限。是以，当今天下上只剩下独逐一个真实的 Benchmark，那等于你我方的责任流。

……

要是连你在我方最烂熟于心的责任上齐嗅觉不出互异，那么这些跑分对你来说，就莫得任何真理。」

Opus 4.8 到底是神作，照旧一次仓促的公关技巧？

调出你最难啃的阿谁阵势，让实测给你谜底吧。

参考资料：开云kaiyun.com

https://every.to/vibe-check/opus-4-8-vibecheckhttps://x.com/bridgemindai/status/2060107380159852900https://x.com/danshipper/status/2060043738752422304?s=20