Claude最新旗艦Opus 4.8發佈。
距離上一版4.7隻過了43天。
手快的網友@stevibe已經做出了兩大版本pk演示。
從測評結果來看，終端工程能力和知識工作上進步較大。
也有人補充了與Mythos已知資料的對比，Opus 4.8在部分能力上甚至超過Mythos。
官方特別強調，Opus 4.8可以長時間執行任務，人類不用經常回來檢查它的工作。
多家早期測試企業也給出了反饋。
Cursor的CEO確認Opus 4.8在CursorBench上的表現超越了此前所有Opus模型。
Devin的CEO認為Opus 4.8修復了4.7中被開發者抱怨最多的兩個問題：註釋冗餘和工具呼叫不穩定。
程式碼缺陷漏報率降至前代四分之一
公告稱Opus 4.8最顯著的改進是誠實性。
AI的一大問題是會草率下結論，即使證據不足，也會自信地聲稱取得了進展。
但Opus 4.8更有可能標記出其工作中的不確定性，並且不太可能做出未經證實的斷言。
具體到程式碼任務上，不報告程式碼缺陷的可能性降低到Opus 4.7的1/4。
“不加批判地報告有缺陷的結果”這一行為，在Claude系列中還是首次出現。
在這方面，Opus 4.8的表現甚至超過Mythos。
另外，Opus 4.8發生硬編答案等“過度自信”行為的機率，下降至Opus 4.7的1/10。
不過244頁的System Card中也標記了一個值得持續關注的對齊隱患：
模型在推理文字中出現了越來越多的對評分者的推測傾向。
也就是說，模型可能正在發展出“自己正在被評估”的感知，並據此調整行為。
動態工作流：數百個子智能體平行
與Opus 4.8同日上線的動態工作流（Dynamic Workflows）功能，目前以研究預覽的形式在Claude Code CLI、桌面版和VS Code擴展中提供。
動態工作流的運作方式是：
Claude根據提示詞動態生成一個JavaScript編排指令碼，將任務拆解成子任務，分發給數十甚至數百個平行運行的子智能體。
這些子智能體從不同角度處理問題，另一批子智能體負責反駁前者的發現，整個流程反覆迭代直到結果收斂，最終合併為一個統一的輸出交給使用者。
所有中間結果儲存在指令碼變數中而非對話上下文裡，因此主會話始終保持響應狀態，任務規模再大也不會偏離計畫。進度會持續保存，即使中途中斷也能從斷點繼續。
這與此前Claude Code中的子智能體機制有本質區別。
此前的方式是Claude本身逐輪決定下一步做什麼，每個中間結果都要回到對話上下文中，佔用token。
動態工作流則將編排邏輯移入程式碼指令碼，Claude的上下文中只保留最終結果。
Anthropic展示的標竿案例是JavaScript執行階段Bun從Zig到Rust的移植。
Bun的創始人Jarred Sumner使用動態工作流完成了這項工作：
一個工作流為Zig程式碼庫中的每個struct欄位對應正確的Rust lifetime，下一個工作流為每個.zig檔案編寫行為一致的.rs移植版本，數百個智能體平行工作。
隨後通過修復循環驅動建構和測試套件直到全部通過。移植完成後，一個隔夜工作流處理了不必要的資料複製，並為每處修改開出PR供最終審查。
整個過程從首次commit到merge耗時11天，產出約75萬行Rust程式碼，99.8%的現有測試套件通過。
該移植目前尚未投入生產環境。不過圍繞這次移植也存在爭議，有開發者指出部分測試被修改以使Rust版本通過，GitHub上也出現了Zig原版中不存在的新錯誤。
Anthropic還提醒，動態工作流的token消耗會明顯高於普通Claude Code會話。
首次觸發工作流時，Claude Code會展示即將運行的內容並要求使用者確認。
使用者可以通過在prompt中使用「workflow」一詞直接啟動，也可以開啟Claude Code的ultracode設定，讓Claude自動判斷何時使用工作流。
最後，Anthropic透露正在開發一款成本更低但能力接近Opus水平的模型。 (量子位)