新智元报谈

【新智元导读】据说中的Claude Opus 4.8，性能真是如斯刚劲吗？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，期间大佬也来拆台。是夯爆了如故拉完毕？一文深度识破。

Anthropic王者归来！

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

Opus 4.8被定位为一款更刚劲的复杂任务模子，尤其是在编程、智能体任务和永劫辰推理方面。

更狠的是，玄机的Mythos几周之众人将面世！

况兼，趁着这推动风，Anthropic紧接着晓示好音书——

以9650亿好意思元估值完成650亿好意思元融资，罕见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，通盘科技界短暂分裂成了两个截然相背的阵营。

一方面，是以盛名评测媒体Every和部分硬核分娩力用户为首的「狂热派」。

他们高呼Opus 4.8仍是「封神」，致使直言Anthropic此次实在是太低调了，「他们完全不错径直叫它Opus 5，根底不会有东谈主有异议。」

他们直言，Opus 4.8是刻下市面上「最全面、最接近东谈主类灵魂与顶尖工程师招引体」的模子。

但另一方面，以Ruby on Rails创举东谈主DHH、Redis之父antirez为首的「征战者老炮」，却在酬酢采集上公开拆台。

他们认为Opus 4.8的跑分诚然险胜老敌手GPT-5.5，但骨子的「编码体感」却依然逾期，致使直指Anthropic在基准测试的宣传上犯了紧要瑕玷。

一方面，它的「快速形式」、「动态功绩流」看起来都很杀手级，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，究竟怎样？

这是一次名不副实的挤牙膏，如故一次确凿的大跃迁？

接下来，就让咱们揭开全貌！

这不是Opus 4.8，是Opus 5！

率先，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。

致使不错说，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曾让无数征战者大失所望，被训斥为「难以使用、难以爱好」。

但Opus 4.8这一次打了一场漂亮的翻身仗。

在「超高强度」形式下，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分的幽微上风，险胜了一直霸榜的GPT-5.5（62分）。

团队试着让它去澈底重构一个分娩级别的代码库，效用Opus 4.8真是托付了一个能够完满运转的系统！

效用说明，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

若是说代码能力是理科生的猖厥，那么写稿能力则是预计模子EQ的终极圭臬。

在Every的写稿基准测试中（涵盖论文、实践邮件、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的王人备高分，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）。

「这是一种尽头奇妙的体验。」多位创作者反映。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，它能额外精确地师法你的口吻。

它致使展现出了极高的情态学和东谈主际来回瞻念察力，当你试图和它探讨一些深切的情态问题时，它的回应绝不依稀，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进程。

100万Token的总揽力，企业级愚弄一把过

除了跑分，Opus 4.8在复杂常识功绩中的进展号称怪兽。

它依然保持了100万Token的超大高下文窗口，日韩在线这意味着你不错把一整本书的手稿、几周的会议纪录，致使一个完整的企业代码库连气儿塞给它。

最让生意研究圈战抖的是，在企业级PPT生成测试中，Opus 4.8在Zero-shot的情况下，产出了一份结构明晰、运筹帷幄合理、叙事逻辑号称完满的PPT。这是往日通盘模子都无法作念到的。

盛名云存储服务商Box，也在第一时辰将Opus 4.8接入了其Box AI Agent并在真实企业数据上进行了测试，效用呈现出碾压态势。

· 施展草拟：在工业品施展任务中，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圭臬，找出潜在的公约谬误，并在屡次零丁测试中保持近乎完满的看法性。

· 财务数据分析：在复杂的银团贷款与双边贷款结构对比中，从繁芜的源文档中索要准确财务办法的能力，比上一代进步了近8个百分点。

沃顿商学院锻练Ethan Mollick的实测更是令东谈主誉不绝口。

他把几年前数百份去匿名化的酌量文献扔进Claude Code中的Opus 4.8。

效用，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、隆重性试验，终末径直用LaTeX重要排版输出了一篇高度专科的微型学术论文！

风趣的是，Mollick锻练用GPT-5.5 Pro看成这篇论文的「审稿东谈主」，GPT-5.5挑出了一个幻觉瑕玷和几个小问题，随后Opus 4.8坐窝谦敬接管，完满修正。

大略这等于为什么Every的CEO Dan Shipper沸腾地将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。

沃顿商学院锻练实测的一个Opus 4.8惊艳案例

被群嘲的桌面端与「高才略税」

如斯刚劲的模子，为何莫得在全网酿成王人备的碾压之势？

因为Opus 4.8身上使命着两个千里重的桎梏。

「鼎力出古迹」的代价，是被才略分级诈骗

评测机构很快发现了一个无言的事实：Opus 4.8的「神级进展」，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，只好当档位拉到「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」，它的编码得分会短暂暴跌至42，秒变平日码农。

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，我们的2019在线观看免费高清它就会短暂原形毕露，暴看法AI最糟糕的套路化写犯警习。

网友Haider横暴地指出了这背后的期间败落：

我提防到了一个表象，4.8在低强度下耗尽的Token，险些和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。

由于高强度形式相等耗尽资源，广博订阅了$200/月Max套餐的高端用户反映，在运转复杂Agent任务时，通常几个小时就会撞上额度墙。

网友BridgeMind直言，我方为了测试相接烧穿了两个200好意思元的账号。

显著，相较于OpenAI庞大算力撑持下的宽宏生态，Anthropic显得过于小气了。

混乱的UI运筹帷幄

若是说模子是引擎，那么客户端愚弄等于底盘。而Claude的底盘，正在严重株连这台跑车。

多位深度评测者指出，Claude桌面端的运筹帷幄简直是一场晦气。

Chat、Code、Cowork三个零丁标签页的分割，被训斥为「混乱不胜」。

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

比拟之下，OpenAI的Codex桌面端愚弄被公认为是「干净、快速，让东谈主嗅觉这等于改日」。

Opus 4.8的硬核实力如实让许多东谈主想回顾Claude，但糟糕的软件交互体验，最终如故让许多东谈主把GPT-5.5+Codex看成日常主力，只在措置复杂任务时，才会合手着鼻子切回Claude。

极其糟糕的「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，「一个模子的好坏，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「真诚」的营销，如故「跑分罗网」下的政策作假？

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

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发布的各模子能力对比图中，在TerminalCoding这一项上，GPT-5.5的收货是78.2%，而Opus 4.8只好74.6%。

正常情况下，任何一家大厂的公关部，都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，致使还主动把GPT-5.5那代表获胜的78.2%作念了加粗措置。

Aakash对此大加赞赏，认为这自大出Opus4.8的中枢卖点——真诚。

在大型Agent任务中，模子最奋斗、最致命的失败形式，等于「过度自信」。

而Opus 4.8最大的隐性升级，等于它更快意承认我方不细则。官方数据自大，4.8在代码中留住漏洞却不声张的概率，比4.7裁汰了惊东谈主的4倍。

此次，Anthropic卖的不是跑分，而是真诚。

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

干系词，业界大佬们并不买账。

Ruby on Rails创举东谈主和Redis之父，这两位在征战者社区领有极高语言权的大神，径直对Anthropic开炮。

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

antirez更是横暴地指出，Anthropic此次把GPT-5.5放在肃清张图里对比，犯了一个「紧要的政策瑕玷」。

往日的厂商比拼，时时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，刻下全网的「体感」是，GPT-5.5的写代码能力尽头、尽头强悍。

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

但咱们用起来却合计并非如斯时，你不仅不可评释你更强，反而会让用户合计你们的基准测试是在自娱自乐，澈底失去公信力。

网友aditya的吐槽更是直击灵魂：

用了快一个小时的Opus 4.8，它根底不值得炒作。

几个很普通的工程任务，它全搞砸了。

在前端领域，网友也感到失意：「用了几个小时4.8，嗅觉还不如4.7顺遂。」

这一表象印证了AI大V Chubby的不雅察：Anthropic刻下仿佛在拚命追逐OpenAI，而不是以前那样在引颈通盘行业了。

濒临行将到来的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的输赢取决于推理能力和取得第一个token的时辰

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？

一个拒绝刻薄的数据是：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版块的间隔至少在10周以上）。

资深不雅察家BridgeMind三言二语地指出了真相：「这完全是一次仓促的发布，因为GPT-5.5正在荒诞蚕食阛阓份额。」

那么，确凿的杀招在那儿？

据多方音书阐发，Anthropic确凿的下一代旗舰模子，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的一些瑕玷，去几个Agent榜单上刷了存在感。」业内东谈主士指出，「若是你在期待确凿的智能质变，请屏息恭候Mythos。」

网友Machina的一段话，大略是对Opus 4.8发布最贴切的解读。

咱们仍是跨过了那条线——刻下的旗舰模子，仍是超出了绝大多数普通东谈主折柳其优劣的能力上限。是以，刻下寰宇上只剩下独逐一个真实的Benchmark，那等于你我方的功绩流。

……

若是连你在我方最烂熟于心的功绩上都嗅觉不出互异，那么这些跑分对你来说，就莫得任何真谛。」

Opus 4.8到底是神作，如故一次仓促的公关技巧？

调出你最难啃的阿谁形势，让实测给你谜底吧。

• Claude
• 封神
• 荔浦
• 实测
• Opus