Claude Opus 4.8发布：别被跑分带节奏，真正值得看的是Claude Code工作流

Anthropic 昨天发布了 Claude Opus 4.8。

我心思这 4月16日刚发布 4.7 (opens new window)，这么快就 4.8了，迭代速度有点快啊！

官方链接在这里：https://www.anthropic.com/news/claude-opus-4-8

这次发布很有意思。

不是因为它强到离谱，而是因为官方和外界的语气反差很大。

Anthropic 自己对 Opus 4.8 的描述很克制，用的是 modest。

也就是：温和更新。

但中文圈很多标题已经开始往“炸裂”“碾压”“最强”上靠了。

卡哥觉得这事需要冷静一点。

Opus 4.8 是一次有价值的工程更新，但它不是一次颠覆式换代。

如果你只看发布页大表，很容易被带偏。

如果你把脚注、Claude Code 的工作流更新、API 变化放在一起看，结论会更清楚：

Opus 4.8 的重点不是“跑分赢了谁”，而是更适合长时间帮开发者干活。

一、先别急着转那张跑分表

这次最容易误读的地方，是 Terminal-Bench 2.1。

Anthropic 发布页的大表里写的是：

模型	Terminal-Bench 2.1
Claude Opus 4.8	74.6%
GPT-5.5	78.2%

你没看错。

就按这张表本身，GPT-5.5 也是高于 Opus 4.8 的。

但更关键的是脚注。

Anthropic 在脚注里补充：GPT-5.5 在 Codex CLI harness 下的公开成绩是 83.4%。

这说明什么

说明同一个模型，同一个 benchmark，只要执行框架、工具链、运行环境变了，结果就可能明显变化。

78.2% 和 83.4%，差了 5.2 个百分点。

这个差距已经足够影响传播口径了。

大表负责传播，脚注负责真相。

这才是这次 Opus 4.8 发布里最值得提醒的一点。

二、那Opus 4.8到底有没有进步

有。

但不是那种“从 60 分跳到 90 分”的进步。

它更像是把 Opus 4.7 上几个影响开发体验的问题往前推了一步。

我把这次更新分成四类：

第一，控制权更清楚。

Opus 4.8 加强了 effort 思考强度控制。

以前用 Opus 4.7，很多录友的感受是：模型有时候想太多，有时候又想得不够。你付了钱，但模型这次到底愿意花多少力气思考，体感上不够可控。

现在可以通过 effort 明确告诉它：这次任务到底要浅一点，还是深一点。

API 里大概是这样：

thinking = {"type": "adaptive"}
output_config = {"effort": "high"}

我的建议：

• 简单解释、普通脚本：不用高 effort
• 改代码、排查问题：从 high 开始
• 大仓库任务、长链路 Agent：再考虑 xhigh / extra

不要所有任务都开最高。

模型不是越努力越好，钱包会先努力不动。

第二，工具调用更像工程流程。

Anthropic 在文档里提到，Opus 4.8 目标之一是减少“该调工具却跳过工具调用”的情况。

这点比很多 benchmark 更重要。

Agent 写代码最怕什么？

不是它不会写。

而是它明明应该读文件，却直接猜。

明明应该跑测试，却直接总结。

明明应该查日志，却开始给你讲原理。

这种模型再聪明，放到工程里也不稳定。

Opus 4.8 如果能减少这类问题，价值很实在。

第三，长任务恢复更稳。

Claude Code 跑长任务时，经常会经历上下文压缩。

老问题是：压缩前模型还知道自己在干什么，压缩后突然换了脑子。

前面做过的判断忘了。

已经排除的方向又重新查一遍。

改着改着开始绕路。

Opus 4.8 对 long agent trace 和 compaction 后的连续性做了优化。

这对普通聊天没什么感觉，但对 Claude Code 用户非常关键。

因为 Claude Code 的价值，本来就不只是“写一段代码”，而是能持续推进一个工程任务。

第四，更愿意承认代码里还有问题。

Anthropic 提到，Opus 4.8 比 Opus 4.7 更不容易把自己写出的代码缺陷放过去不说。

这句话翻译成开发者语言就是：

它少了一点“自信地错”。

这很重要。

Agent 任务里，模型报错不可怕。

可怕的是它没修好，但告诉你已经修好了。

前者你还能继续调。

后者容易直接把坑带进代码库。

三、Dynamic workflows才是Claude Code用户该看的

这次发布里，我最关注的不是 Opus 4.8 本体，而是 Claude Code 的 dynamic workflows。

官方介绍在这里：https://claude.com/blog/introducing-dynamic-workflows-in-claude-code

它的思路很简单：

不要让一个 Agent 从头干到尾，而是让主 Agent 拆任务，再调度多个 subagents 并行处理，最后汇总和验证。

这其实更接近真实工程协作。

一个复杂任务，不应该只有“一个模型一直读、一直改、一直测”。

更合理的方式是：

• 一个子任务负责读模块
• 一个子任务负责找影响范围
• 一个子任务负责改代码
• 一个子任务负责跑测试
• 一个子任务负责挑错
• 主 Agent 最后合并判断

这类能力适合什么场景？

大仓库排查。

比如权限问题、性能问题、死代码、重复实现。

顺序扫很慢，并行拆开更合理。

大规模迁移。

比如 API 替换、框架升级、语言迁移、模块重构。

这类任务天然可以拆分，不适合让一个 Agent 慢慢翻。

高风险复核。

比如安全审计、合同检查、财务分析。

一个 Agent 给结论，另一个 Agent 专门找反例，再由主 Agent 汇总，比单次回答更靠谱。

不过录友别误会。

Dynamic workflows 不是省钱功能。

它更像是把“单人干活”升级成“小组协作”。

小组协作效率高，但人也多，token 也多。

第一次用，建议从小任务开始试，不要直接让它扫整个公司代码库。

四、Fast mode终于有点意义了

Opus 4.8 常规价格没变：

模式	输入价格	输出价格
常规模式	$5 / 百万 token	$25 / 百万 token
Fast mode	$10 / 百万 token	$50 / 百万 token

Fast mode 的速度可以到 2.5 倍。

这次价格降到上一代 fast 的三分之一。

这不是便宜。

但至少不再是“看起来有用、实际舍不得开”的功能。

Claude Code 里，速度很影响体验。

尤其是：

• 线上问题定位
• 演示前修 bug
• 大改动最后一轮验证
• 任务快结束但卡在测试失败

这些场景下，fast mode 有价值。

但日常写代码，我不建议默认开。

Fast mode 买的是时间，不是性价比。

五、代码能力：更强，但别写成碾压

Opus 4.8 的代码能力确实比 Opus 4.7 好。

我更愿意把它理解成“工程稳定性提升”，而不是“智商暴涨”。

它在这些任务上更值得试：

• 多文件修改
• 长链路 bug 修复
• PR 审查
• 工具调用后继续验证
• 上下文压缩后继续执行

但如果要和 GPT-5.5 比，不能只看一个表。

Claude Code 是 Claude 的主场。

Codex CLI 是 GPT-5.5 的主场。

不同工具链下，模型表现会变。

所以我的判断是：

Opus 4.8 和 GPT-5.5 在高端 AI 编程里都很强，具体谁好，要看任务和工具环境。

这也是为什么我不喜欢“碾压”这个词。

它听起来很爽，但对开发者没帮助。

开发者需要的是：这个任务用谁更稳、谁更便宜、谁更快、谁更容易校验。

六、表达风格稍微舒服了一点

Opus 4.7 有一个体感问题：有时不太像人在说话。

它会给出很硬的判断，但中间缺少足够自然的解释。

看起来像很强，读起来不一定舒服。

Opus 4.8 稍微好了点。

注意，是稍微。

如果你让它做代码审查、架构点评、文案修改，它仍然可能输出那种“模型味很重”的句子。

但整体上，比 Opus 4.7 更容易读。

我个人还是觉得 Opus 4.6 的表达最自然。

七、和DeepSeek V4怎么选

这两天刚写完 DeepSeek V4-Pro永久降价75% (opens new window)，现在 Opus 4.8 又来了。

很多录友肯定会问：到底用哪个？

我的判断很简单：

便宜模型负责量，顶级模型负责难。

场景	推荐模型	原因
简单问答、文章初稿、普通代码解释	DeepSeek V4-Flash	便宜，够用
代码扫描、批量分析、日志总结	DeepSeek V4-Pro	价格低，适合大规模跑
核心代码修改、复杂 bug、长链路 Agent	Claude Opus 4.8 / GPT-5.5	更稳，更会验证
大仓库迁移、安全审计、跨模块重构	Claude Code + Opus 4.8 dynamic workflows	能拆任务、并行跑、再验证

模型选型不是站队，是算账。

一个任务如果结果能自动校验、失败成本低、token 量很大，那 DeepSeek V4-Pro 很香。

一个任务如果失败成本高、上下文复杂、需要持续判断和工具调用，那 Opus 4.8 或 GPT-5.5 更值得。

不要拿 Opus 4.8 批量生成低价值内容。

也不要指望便宜模型稳定接手所有复杂 Agent 任务。

写在最后

Opus 4.8 是一次有用的更新。

但不是一次值得神化的更新。

它真正值得关注的是：effort 控制、dynamic workflows、fast mode 价格下降、长任务稳定性和工具调用习惯。

这些东西不一定适合做夸张标题，但对开发者有用。

至于跑分表，看看就行。

别只看第一屏。

脚注也要看。

最后还是那句话：

便宜模型跑量，顶级模型攻坚。

自己测，按任务选。

加油。