摘要： Anthropic 於 2026 年 5 月 28 日推出 Claude Opus 4.8，標準定價不變，並加入 Dynamic Workflows、Effort 控制與中途 system 條目。文章引用 SWE-bench Pro 從 64.3% 提升到 69.2%，並強調校準、錯誤標記與成本改善。這代表競爭焦點轉向長任務可靠度與成本控制，但跨模型比較仍受測試條件影響。
距離 Opus 4.7 問世才 41 天,Anthropic 便在 2026 年 5 月 28 日推出 Claude Opus 4.8,API 與各家用戶端當天同步上架,定價原地不變:每百萬輸入 5 美元、輸出 25 美元。官方的形容相當直白——這是自家寫程式能力最強的模型,而且「更傾向標記自己工作中的不確定性,更少做出無根據的宣稱」。
這次更新有三個值得開發者注意的面向:能讓上百個子代理在單一 session 協作的 Dynamic Workflows、可按任務調整的推理投入(Effort),以及 Messages API 支援對話途中插入 system 條目。
兩代之間只隔了 41 天
TechCrunch 抓住這個間隔做文章:41 天的換代速度明顯快過以往各代 Opus。背後有兩股推力——Opus 4.7 上市後市場反應平平,加上 OpenAI 的 Codex 攻勢與 Google 在 5 月 19 日發布的 Gemini 3.5 Flash 帶來競爭壓力,讓原地踏步變得昂貴。標準方案價格比照 4.7;新設的 Fast mode 以每百萬輸入 10 美元、輸出 50 美元計費,速度約為 2.5 倍,花費只有舊快速模式的三分之一。Anthropic 等於把「速度」做成了明碼標價的加購項。
分數漲在哪裡
- SWE-bench Pro 由 4.7 的 64.3% 提高到 69.2%
- Online-Mind2Web 拿下 84%,壓過 Opus 4.7 與 GPT-5.5
- Artificial Analysis 實測每個任務平均省下 15% 輪次與 35% 輸出 token,不過輪次仍比 GPT-5.5 多出約 30%
- GDPval-AA 以 1,890 分居首,較 4.7 多出 137 分
- 對自己程式碼裡的缺陷不標記就放行的機率,大約只有 4.7 的四分之一
提醒一點:跨模型比較深受 harness 與評測條件左右,例如 GPT-5.5 在 Terminal-Bench 2.1(Codex CLI harness)的成績是 83.4%。
Dynamic Workflows:上百個子代理,同一個 session
Dynamic Workflows 以研究預覽形式登陸 Claude Code(適用 Enterprise、Team 與 Max 方案)。做法是模型先把工作規劃好,接著在單一 session 內同步派出上百個子代理,最後驗收成果。Anthropic 舉的例子很實際:橫跨數十萬行程式碼的整個 codebase 遷移,從啟動一路做到合併,過不過關就看既有測試套件。過去得自己手寫 orchestrator 的團隊會發現,編排這一層正被模型直接吸收。
Effort 分級與中途改指示
claude.ai 與 Cowork 的所有方案都開放了 Effort 控制,預設落在 high,碰到難題可調到 extra(Claude Code 內稱為 xhigh)或 max,把最燒錢的推理檔位留給真正需要的任務。Messages API 這邊,system 條目現在可以直接放進 messages 陣列,任務跑到一半修改指示,不會再把 prompt cache 打失效——對長時間運行的 agent 而言是實打實的省錢。
更誠實的模型,與 Mythos 的開放時間
最常被點名的改善是校準;Bridgewater 特別稱許模型會主動指出分析中輸入與輸出的疑點。Devin 執行長 Scott Wu 觀察到,4.7 在註解冗長與 tool-calling 上的毛病已經修掉;Databricks 則在 Genie 場景實測到 token 成本較 4.7 省下約 61%。對齊方面,失準行為的發生率明顯低於 4.7,程度接近 Mythos Preview;至於先前因資安疑慮受限的 Mythos,官方表示等防護補強後,「未來幾週」內全面開放。
這也呼應2026 年開年展望的論點:換代間隔越來越短,競爭重心從單輪表現移往長任務的穩定度與成本。