Claude Opus 4.8：发布日期、定价、基准测试与开发者须知

大家好，我是 Dora。

Anthropic 于 2026 年 5 月 28 日发布了 Opus 4.8——距 4.7 发布不到两个月。Opus 4.8 的发布日期本身不如实际变化重要，但我想趁着记忆还新鲜把这些写下来，因为官方公告的表述框架和构建者真正需要的框架并不完全一致。那些标题数字是真实的。但它没有告诉你的是：哪些工作负载受益、哪些不受益，以及在你正式上线之前能自己验证多少。

本文将梳理发布状态、定价、基准测试、对构建者的实际意义，以及目前仍在形成中的社区反馈。内容来源为官方公告和系统卡，其他来源均视为次要参考。

Claude Opus 4.8 是什么

官方发布状态与 API 模型 ID

Opus 4.8 的发布日期为 2026 年 5 月 28 日。即日起在 Claude API、Amazon Bedrock、Google Cloud Vertex AI 以及 GitHub Copilot 上均可使用。API 模型 ID 为 Claude-Opus-4-8，这是你需要填入配置文件的字符串。

根据 Anthropic 的公告，Anthropic Opus 4.8 被描述为”对其前代产品的适度但切实的改进”。这种措辞对于发布文章来说异常克制，值得照字面理解——Anthropic 自己并没有将其定位为代际跨越。

相比 Opus 4.7 的变化

三项对构建者真正重要的变化：

第一，诚实性。Anthropic 表示，Opus 4.8 在代码中存在缺陷时不加标记直接放行的概率比 4.7 低约四倍。早期测试者反映，它更容易主动表达不确定性。这种特质在单次演示中不会显现，但在长时间运行的代理会话中会持续积累效果。

第二，代理可靠性。Anthropic 将该模型定位为在代理任务中”更可靠、判断力更敏锐”。Cognition（Devin 的开发商）特别指出，4.7 中存在的注释冗余和工具调用问题已得到修复。

第三，更快更便宜的快速模式。同一模型，可配置为以更低成本实现更高吞吐量。详见定价部分。

此次还同步推出了一个新功能层：Claude Code 中的动态工作流（研究预览版，适用于 Enterprise/Team/Max 计划）、Claude.ai 和 Cowork 中的努力程度控制，以及 Messages API 现在支持在消息数组中接受系统条目。Messages API 的变化比表面看起来更重要——它允许你在任务执行过程中更新 Claude 的指令，而不会破坏提示缓存。对于长时间运行的代理任务，这是一个低调但实际的效率提升。

Opus 4.8 定价与 API 可用性

常规使用 vs 快速模式

Opus 4.8 定价，常规使用：每百万输入 token $5，每百万输出 token $25。与 Opus 4.7 完全相同，无需重新谈判，无需重构代码。

快速模式：每百万输入 $10，每百万输出 $50。Anthropic 表示，快速模式的速度约是之前模型快速模式的 2.5 倍，成本降低三倍。这里的计算是跨版本的快速模式对比，而非 4.8 内部快速模式与常规模式的对比，请仔细理解。

关于努力程度级别——大多数构建者将在这里花时间调优：Opus 4.8 默认为”高”努力程度。在编码任务上，token 消耗量与 Opus 4.7 的默认值相近，但结果更好。“Extra”（在 Claude Code 中为 xhigh）和”max”可用于更难的工作和更长的异步运行。Anthropic 已提高 Claude Code 速率限制以适应更高的努力程度，这类操作细节比基准测试分数更重要。

团队应在 Console 和文档中核实的内容

我建议将以下内容视为唯一不会漂移的权威参考点：

官方 Claude Opus 模型页面，查看当前 Opus 系列、模型 ID 和功能范围。
Claude Code 动态工作流的配套文章，了解随模型同步发布的新并行子代理功能。
Claude API 模型概览，查看当前模型 ID、区域可用性和速率限制。
Claude Opus 4.8 系统卡，了解评估方法和对齐数据。

在做出承诺之前，务必在 Console 中确认定价和限制——模型系列会更新，快速模式的可用性可能因地区或平台而异，API 上的情况在发布周内可能与 Bedrock 或 Vertex 上略有不同。

Opus 4.8 基准测试及其含义

编码、代理能力、推理与知识工作

以下是 Anthropic 发布的 Opus 4.8 基准测试数据，其中提供了 4.7 作为对比：

代理编码（SWE-Bench Pro）：64.3% → 69.2%
带工具的多学科推理：54.7% → 57.9%
错位行为得分（越低越好）：2.5 → 1.9——使 Opus 4.8 在对齐方面与 Mythos Preview 基本持平
OSWorld-Verified（计算机使用）：Browserbase 报告为 84%，被描述为相比 4.7 和 GPT-5.5 的”显著跃升”

在 Terminal-Bench 2.1 上，Anthropic 报告 GPT-5.5 在 Codex CLI 测试框架下仍以 83.4% 领先——Anthropic 在公告脚注中坦诚说明了这一点。值得注意，因为大多数发布文章都会跳过竞争对手的优势。

合作伙伴报告的数据更为突出。Databricks 表示，其 Genie 代理处理 PDF 和图表的 token 成本比 4.7 时低 61%。Browserbase 在 Online-Mind2Web 上报告了 84%。Devin 的开发商 Cognition 称这是工程师的直接能力提升。这些并非独立数据——它们是推荐性证言。但所引用的改进类型（多模态输入的 token 效率、工具调用的清洁度、代理端到端完成率）在操作层面的具体性，是纯粹的营销主张通常所不具备的。

为何官方基准测试仍需工作负载测试

基准测试告诉你模型在固定评估上能做什么，但不能告诉你它在你的具体提示、你的具体工具框架、你的具体检索设置下会如何表现。在切换生产流量之前，需要实际测试两件事：

其一——诚实性的改进对你的工作流是帮助还是阻碍？更多地标记不确定性对代码审查、代理监督和分析任务大有裨益，但对于那些你希望得到自信答案的低风险生成任务来说，可能会造成摩擦。

其二——默认的高努力程度是否符合你的延迟预算？Anthropic 表示，在编码任务上，新默认值下的 token 消耗量与 4.7 相近，但”相近”不等于”相同”，你的工作负载可能会有所偏差。运行一批有代表性的样本，端到端地测量成本和延迟，然后再做决定。

我宁愿花一个下午做工作负载测试，也不愿贸然切换后在第三周才发现回归问题。

面向构建者的 Opus 4.8 vs Opus 4.7

更好的判断力、诚实性与代理任务可靠性

我预期构建者会感受到差异的场景：

长时间运行的代理会话。 诚实性的提升加上工具调用的改善，在多个步骤中会产生复利效果。Anthropic 的动态工作流功能正是基于此构建的——代码库规模的迁移、数百个并行子代理，在汇报结果前进行验证。这类工作负载只有在底层模型不会捏造进度时才有意义。
多模态密集型管道。 Databricks 在 PDF 和图表处理上声称节省 61% token 成本，这不是小数目。如果你的工作流需要通过模型处理文档，值得在自己的数据上进行测量。
计算机使用和浏览器代理。 Online-Mind2Web 上 84% 的成绩，在这个历来比较脆弱的类别中是真正的进步。

我不预期会有显著变化的场景：简单聊天、单次提示、短上下文任务。4.7 到 4.8 的提升在高复杂度任务上最为明显，而非在基础任务上。

何时切换、测试或等待

一个简短的决策框架，因为这是大多数团队会问的问题：

立即切换：如果你在运行代理工作负载、计算机使用代理，或者任何受 Opus 4.7 工具调用或注释冗余问题困扰的管道。定价相同，回归风险低。
先测试：如果你的工作流依赖特定行为（响应长度、语气、特定代理模式）。诚实性的变化可能会以影响下游提示的方式改变输出。
等待：如果你已经为稳定的工作流对 4.7 进行了深度调优，且不运行代理任务。没有紧迫性，Anthropic 自己也将此称为”适度”改进。

实际操作：在生产流量的样本上对 4.8 进行影子测试几天，与 4.7 在你真正关心的指标上进行比较——成本、延迟、完成率、错误率——然后再做决定。

Reddit 与社区讨论：需要谨慎对待的内容

Opus 4.8 的 Reddit 讨论将在发布后几天内涌现，每次都是如此。它们的价值在于：发现令人意外的失败模式、特定工作流的回归报告、出现问题的提示模式。它们不适合用于：平均性能评估、统计主张，或在第一周就做出”是否值得切换”的判断。

发布后 72 小时内的社区信号往往偏向于声音最大的一方——遇到问题的人会第一个发帖，工作流得到改善的人则默默不说。Anthropic 公告中的早期企业合作伙伴引用也是推荐性证言，两者都是数据点，而非结论。

我会特别关注社区讨论中的以下内容：之前正常工作的提示出现回归的报告、有工作负载背景的真实成本比较，以及关于新努力程度控制行为的反馈。跳过那些主观评价。如果你的决策不紧迫，等两到三周待形势稳定后再看。

常见问题

Claude Opus 4.8 是什么？

Claude Opus 4.8 是 Anthropic Opus 4.8 于 2026 年 5 月 28 日发布的旗舰模型升级版。Anthropic 将其定位为相比 Opus 4.7 的”适度但切实”的改进，在代理编码、推理、知识工作和诚实性方面均有提升。API 模型 ID 为 Claude-Opus-4-8。

开发者如何使用 Claude Opus 4.8？

通过 Claude API 使用 Claude-Opus-4-8 模型 ID，以及通过 Amazon Bedrock、Google Cloud Vertex AI 以及 GitHub Copilot 等平台使用，目前已全面可用。努力程度级别——低、中、高（默认）、extra/xhigh、max——均可配置。完整集成详情请参阅 Anthropic 官方文档。

Opus 4.8 的定价与 Opus 4.7 不同吗？

常规定价不变：每百万输入 token $5，每百万输出 token $25。快速模式定价有所不同，详见 Anthropic 公告的单独说明。在做出承诺之前，务必在 Console 或官方定价页面确认当前定价——请参阅官方最新文档获取最新数字。

团队是否应该从 Opus 4.7 切换到 Opus 4.8？

取决于工作负载。如果你在运行代理管道、计算机使用代理，或者 4.7 的工具调用或冗余问题对你的工作流造成了影响，在价格相同的情况下切换是合理的。如果你已针对特定行为对 4.7 进行了调优，请先进行影子测试。没有通用答案。

结论

Claude 4.8 确如其所宣称——这是一次真实但有所节制的升级，在代理、长时间运行和多模态工作负载上收益最为显著。常规使用定价与 4.7 相同，意味着切换成本是操作层面的，而非财务层面的。诚实性的改进是我在 Claude 4.8 中最值得密切关注的变化，因为它影响的是模型在失败场景下的行为，而不仅仅是成功场景。

如果你是构建者，在做决定之前先在自己的工作负载上测试。不要轻信发布时的推荐证言，不要轻信早期 Reddit 讨论，也不要轻信这篇文章。自己跑一遍。

就这些。等我用了一周之后再来分享更多。

往期文章：