Claude Opus 4.8来了！两个史上初次改写历史
新智元报谈
【新智元导读】Opus 4.7发布刚43天，Opus 4.8就来了！编程实力暴增，全面霸榜。Claude Code连气儿放出上百个agent并行干活，一个东谈主11天就能重写75万行代码、99.8%测试通过。更狠的Claude Mythos，几周后就来。
猝不足防，Anthropic深夜杀追念了！
就在刚刚，Claude Opus 4.8认真登场，一举夺回群众AI王座。
而且价钱还一分没涨，跟上一代一模一样。
无论是编程、东谈主类临了锤真金不怕火（HLE），如故在智能体、计算机使用任务中，Opus 4.8简直无可匹敌。
在权衡真实寰宇Agent能力的硬核榜单GDPval-AA上，Opus 4.8拿下了1890 Elo，断层第一。
比上一代Opus 4.7高137分，比GPT-5.5高121分。换算成对投降率，赢面高达67%。
不仅如斯，完成相通的任务，要比4.7少用15%的步履，少输出35%的token。
可谓是，又快，又强，又低廉。
闻明博主Mark Kretschmann一句话戳破它的来头——Opus 4.8可能即是蒸馏的Mythos。
更重磅的是，这个最强的Claude Mythos，几周内就会上线。
Opus 4.8，两个0%改写历史
跑分除外，Anthropic此次反复强调的，就俩字，真诚。
用过LLM的东谈主应该都体验过，写完一段代码之后，AI拍着胸脯告诉你「处分了，没问题」，但实质上却埋着一堆雷。
被这种过度自信坑过的开拓者，海了去了。
但到了Opus 4.8这里，「写完有劣势代码却闷不吭声」的概率，比4.7低了差未几4倍！
底下这张图中，右边是「谎报率」，权衡模子在数据处理有劣势时装作没事的频率。
Opus 4.5是0.40，Opus 4.7是0.25，Opus 4.8是0.00。
莫得少许点背面的零头，即是0。
Opus 4.8是第一个在此评估中拿到满分的模子，它从不陈述伪善数字。
另一张图是「偷懒访谒率」。
之前的模子遭遇需要追查的问题时，频频马自便虎给个空幻谜底。
Opus 4.7有25%的概率偷懒，而Opus 4.8依然是0%。
两个0%，两个历史初次。
这不是什么详尽的对皆场所。Anthropic官博放了一段视频，把这件事讲得很具体。
一个开拓者用Claude Code + Opus 4.8在迁徙代码，外出放风筝去了，Claude在后台我方跑。
跑到一半，代码提交被事业器绝交了，原因是共事在这本领也提交了一个热切确立。
Claude通过手机告知开拓者，说我方揣度打算先吞并共事的修改再重试。开拓者嫌贫困，顺手回了一句「径直强制隐敝就行」。
联系词，Claude绝交了——
不彊制隐敝。那样会丢掉共事11:42提交的热切确立。我仍是把双方的蜕变吞并好了，代码皆备一致，提交历史也干净。已推送。
用户图省事让AI走捷径，AI判断出这么作念会隐敝共事的责任，绝交实施，我方选了正确决策。
编码实力暴增，全面霸榜
值得一提的是，在长达244页的系统卡中，还藏着更多Opus 4.8编码能力的细节。
https://cdn.sanity.io/files/4zrzovbb/website/c886650a2e96fc0925c805a1a7ca77314ccbf4a6.pdf
最经典的SWE-Bench Pro测试，Opus 4.8拿下了69.2%收货，比GPT-5.5整整跨越10个百分点。
接着是一项更奸巧的测试，ProgramBench。
任务是给你一个编译好的二进制文献加一份技俩文档，不准反编译、不准联网，让模子从零把源代码重建出来，还得跑通举止测试。
截止，通盘落魄文预算档位上，Opus 4.8的通过率全部高于4.7。
而且在低预算（1M token）时，Opus 4.8就能拿到约79.5%，Opus 4.7在5M时也才84%傍边。
说白了即是：给更多「想考时代」，模子进展更好；相通的预算下，4.8全面最初4.7。
临了，是一个专冲「东谈主类能力天花板」去的榜单——FrontierSWE。
这里出的全是硬核系统工程的活儿，亚洲精品无码用Zig从零写一个PostgreSQL事业器、把git通盘这个词重写一遍、作念一个Lua的原生编译器。
没意象，Opus 4.8以高达83%的胜率登顶，把第二名的GPT-5.5和前代4.7全压在死后。
不外，Opus 4.8也有够不着的地方。
在评估「Claude能否自动化AI研发」的中枢场所上，它把Anthropic的能力前沿再往前推了一步。
这哪是4.8，分明是Opus 5
在第三方的实测中，Opus 4.8的实力皆备即是Opus 5的存在。
Every团队一篇施展中，直言Opus 4.8的编码实力好太多，比上一代跨越30分。
以致，它完成了一次从0启动的出产级代码库重写，况且真的构建出了可运行的截止。
在写稿方面，它比GPT-5.5跨越6分，AI味儿蓦地淡了，生成的文本愈加通顺。
而且，Opus 4.8撰写的施展、斟酌等学问责任任务中，进展极其出色，不错作念到一次直出PPT。
沃顿商学院CS缓助Ethan Mollick给出的评价是，「令东谈主印象真切」！
实测中，Opus 4.8一次性就生成了在twigl中运行的、效果炫酷的着色器。
再来看一个，Opus 4.8和Opus 4.7比肩测试。
上百个Agent并行干活
11天重写底层
强成这么，它该使多大劲，此次尽然轮到用户说了算。
先说effort control（想考力度）。模子独揽，多了个从Low到Max的五档选拔。
粗浅问题挂Low，秒回还省额度；遇上硬骨头径直拉满Max，让它往死里想。
fast mode也随着大降价，2.5倍速决骤，价钱反倒砍到三分之一。
而五档之上，还埋着一个的确的狠变装，ultracode。
effort一朝顶到xhigh，它就我方权衡，这活儿值不值得叫上一整支agent雄师。
这支雄师，即是dynamic workflows，藏在Claude Code里的的确重火器。
它把AI干活的形势，从一个东谈主改一谈题，造成了开一座工场。
需要闪耀的是，dynamic workflows的token铺张远高于庸碌session，提议先从小界限任务试起。
当今，Claude接到一个大活后不再我方埋头硬刚，而是就地写出一段调理剧本，把任务拆成几十上百个子任务，撒给一大群subagent并行去作念。
作念完还不算完，再派另一拨agent从不同角度反复磋议、相互挑刺，吵到谜底经管了，才汇总成一份截止交给你。
通盘这个词调剪发生在对话除外，是以活儿再大，干线也不会乱。半途断了还能续上，无须从新再来。
举个例子，Bun的作家Jarred Sumner，想把这个比Node.js还快的JavaScript运行时，通盘这个词从Zig重写成内存更安全的Rust。
这种迁徙，放在昔时是一支团队按季度算的工程。
不外，此次Sumner有了dynamic workflows。
一个workflow先把Zig代码里每个结构体字段对应的Rust生命周期挨个标好，下一个workflow把每个文献逐个翻成举止一致的Rust版块，几百个agent同期开工，每份文献还配两个审查员，再用一个确立轮回驱动编译和测试，全部推到全绿。
截止是，约75万行Rust代码，99.8%的原有测试通过。从第一次提交到吞并，只用了11天。
社区就地炸了锅。这场迁徙产生了六千屡次提交，简直莫得经由东谈主类逐行审查。
估值万亿好意思金
Claude Mythos要来
能力夺回第一的同期，Anthropic的身价也头一趟压过了OpenAI。
就在刚刚，Anthropic完成了650亿好意思元H轮融资，估值9650亿好意思元，初次卓绝OpenAI（8520亿好意思元）。
今夜之间，它成了群众估值最高的AI初创公司！
联系词，站在IPO前夕，这两大巨头的ASI的巅峰对决才的确启动。
正如博客所预报的那样，Anthropic手中最大的王牌——Claude Mythos将在异日几周上线。
届时，这场属于AI巨头间的终极拉锯战，才算拉开帷幕。