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衔接放出上百个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夜深杀回想了！

就在刚刚，Claude Opus 4.8进展登场，一举夺回公共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、东谈主类临了西宾（HLE），如故在智能体、缱绻机使用任务中，Opus 4.8险些无可匹敌。

在权衡确切寰宇Agent智力的硬核榜单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。换算成对治服率，赢面高达67%。

不仅如斯，完成通常的任务，要比4.7少用15%的款式，少输出35%的token。

可谓是，又快，又强，又低廉。

着名博主Mark Kretschmann一句话刺破它的来头——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

跑分以外，Anthropic此次反复强调的，就俩字，真挚。

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「责罚了，没问题」，但本色上却埋着一堆雷。

被这种过度自信坑过的开辟者，海了去了。

但到了Opus 4.8这里，「写完有纰谬代码却闷不吭声」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纰谬时装作没事的频率。

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，它从不报告伪善数字。

另一张图是「偷懒走访率」。

之前的模子碰到需要追查的问题时，频繁狗苟蝇营给个作假谜底。

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。

这不是什么轮廓的对皆缱绻。Anthropic官博放了一段视频，把这件事讲得很具体。

一个开辟者用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，代码提交被行状器拒绝了，原因是共事在这时刻也提交了一个紧要开辟。

Claude通过手机见知开辟者，说我方策动先并吞共事的修改再重试。开辟者嫌贫窭，唾手回了一句「凯旋强制掩盖就行」。

然则，Claude拒绝了——

不彊制掩盖。那样会丢掉共事11:42提交的紧要开辟。我还是把双方的篡改并吞好了，代码弥散一致，提交历史也干净。已推送。

用户图省事让AI走捷径，AI判断出这么作念会掩盖共事的责任，拒绝实施，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编码智力的细节。

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整整朝上10个百分点。

接着是一项更顽恶的测试，ProgramBench。

任务是给你一个编译好的二进制文献加一份神气文档，不准反编译、不准联网，让模子从零把源代码重建出来，还得跑通看成测试。

禁止，通盘高下文预算档位上，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「想考时间」，模子阐扬更好；通常的预算下，4.8全面起程点4.7。

临了，是一个专冲「东谈主类智力天花板」去的榜单——FrontierSWE。

这里出的全是硬核系统工程的活儿，2026世界杯官网入口用Zig从零写一个PostgreSQL行状器、把git通盘重写一遍、作念一个Lua的原生编译器。

没料想，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。

AG真人2026世界杯中国官网

不外，Opus 4.8也有够不着的场合。

在评估「Claude能否自动化AI研发」的中枢缱绻上，它把Anthropic的智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的实力弥散即是Opus 5的存在。

Every团队一篇敷陈中，直言Opus 4.8的编码实力好太多，比上一代朝上30分。

致使，它完成了一次从0运行的分娩级代码库重写，何况竟然构建出了可运行的效果。

在写稿方面，它比GPT-5.5朝上6分，AI味儿霎时淡了，生成的文本愈加畅达。

而且，Opus 4.8撰写的敷陈、接头等学问责任任务中，阐扬极其出色，不错作念到一次直出PPT。

沃顿商学院CS素养Ethan Mollick给出的评价是，「令东谈主印象长远」！

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并列测试。

上百个Agent并行干活

11天重写底层

强成这么，它该使多大劲，此次竟然轮到用户说了算。

先说effort control（想考力度）。模子摆布，多了个从Low到Max的五档袭取。

简陋问题挂Low，秒回还省额度；遇上硬骨头凯旋拉满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，还埋着一个信得过的狠扮装，ultracode。

effort一朝顶到xhigh，它就我方揣度，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里的信得过重刀兵。

它把AI干活的方式，从一个东谈主改一谈题，造成了开一座工场。

需要矜重的是，dynamic workflows的token消费远高于正常session，提倡先从小限制任务试起。

当今，Claude接到一个大活后不再我方埋头硬刚，而是飞速写出一段调遣剧本，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从不同角度反复商榷、彼此挑刺，吵到谜底治理了，才汇总成一份禁止交给你。

通盘调遣发生在对话以外，是以活儿再大，干线也不会乱。半途断了还能续上，无用从新再来。

举个例子，Bun的作家Jarred Sumner，想把这个比Node.js还快的JavaScript运行时，通盘从Zig重写成内存更安全的Rust。

这种迁徙，放在当年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把每个文献一一翻成看成一致的Rust版块，几百个agent同期开工，每份文献还配两个审查员，再用一个开辟轮回驱动编译和测试，一起推到全绿。

禁止是，约75万行Rust代码，99.8%的原有测试通过。从第一次提交到并吞，只用了11天。

社区飞速炸了锅。这场迁徙产生了六千屡次提交，险些莫得流程东谈主类逐行审查。

估值万亿好意思金

Claude Mythos要来

智力夺回第一的同期，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，初次高出OpenAI（8520亿好意思元）。

整夜之间，它成了公共估值最高的AI初创公司！

然则，站在IPO前夕，这两大巨头的ASI的巅峰对决才信得过运行。

正如博客所预报的那样，Anthropic手中最大的王牌——Claude Mythos将在将来几周上线。

届时2026世界杯官网入口，这场属于AI巨头间的终极拉锯战，才算拉开帷幕。