5 月 28 日深夜，Anthropic 正式发布旗舰模型 Claude Opus 4.8。

相比 Opus 4.7，这次升级的重点，已经不只是传统意义上的“模型跑分”，而是开始明显转向开发者真实工作流。

Anthropic 这次最核心的更新，集中在两个方向：

• dynamic workflows
• 更便宜、更高速的 fast mode

前者，试图让 Claude 真正具备“大规模 agent 编排能力”；后者，则是在回应开发者越来越敏感的成本与吞吐问题。

而更值得注意的是——就在 Anthropic 高调展示 Opus 4.8 基准测试成绩的时候，Redis 作者 antirez 却公开质疑：这些跑分，真的代表真实编码体验吗？

与此同时，Ruby on Rails 作者 DHH 却在另一边疯狂称赞 GPT-5.5，甚至表示：

“自 Opus 4.5 之后，没有哪个模型像 GPT-5.5 一样，让我反复产生‘它居然已经强到这种程度了’的感觉。”

这场围绕“谁才是真正编码之王”的竞争，正在进入一个微妙阶段。

Opus 4.8 最大升级：让 Claude 开始“指挥 agents”

这次 Opus 4.8 最重要的新能力，是 dynamic workflows。

简单来说，它允许 Claude 自动编写 JavaScript workflow 脚本，再由运行时去调度大量 subagents 并行工作。

这意味着，Claude 不再只是一个“回答问题的聊天机器人”，而开始变成一个真正的任务调度系统。

在一次运行中：

• 最多支持 16 个 agents 并发
• 总 agents 数量上限达到 1000 个

Claude 会先拆解任务，再把不同子任务分配给不同 agents：

• 有的负责执行
• 有的负责验证
• 有的负责反驳结果
• 有的负责 review

整个过程会持续迭代，直到答案逐渐收敛。

更关键的是：

任务规划不再塞进上下文窗口，而是被转移到了 workflow 脚本里。中间结果保存在变量中，而不是疯狂消耗 context。

这实际上是在解决当前 AI agents 最大的问题之一：“上下文越来越长，任务却越来越不稳定。”

Anthropic 这次，本质上是在把 agent orchestration 从 Prompt Engineering，推进到 Runtime Engineering。

Claude 正在从“聊天 AI”，变成“后台操作系统”

Anthropic 还展示了一个非常激进的案例：Bun 团队使用 dynamic workflows，将 Bun 从 Zig 大规模迁移到 Rust。

整个过程：

• 生成约 75 万行 Rust 代码
• 通过 99.8% 测试套件
• 从第一次 commit 到 merge，仅用了 11 天

数百个 agents 并行工作。每个文件甚至还配备两个 reviewer agents。这已经不是简单的“AI 辅助编码”。

而是：

AI 开始接管软件工程流水线。从某种程度上说，Anthropic 想做的，已经不只是一个更强的模型，而是一个 AI 软件开发运行时。

新增“思考强度控制”：AI 开始出现“推理档位”

Opus 4.8 的第二个重点，是用户终于可以控制 Claude 的“思考强度”。

Anthropic 的逻辑很直接：

• 想要更强答案？
  → 增加推理资源
• 想要更快响应？
  → 降低思考深度

本质上，这相当于给模型增加了“性能模式”。

高强度模式下：

Claude 会更频繁、更深入地进行推理。

低强度模式下：

响应速度更快，同时额度消耗更慢。

对于现在越来越担心 AI “变相涨价”的用户来说，这个功能其实非常关键。

因为很多人已经明显感觉到：如今的大模型平台，正在通过“额度缩水”间接提高使用成本。

fast mode 降价：Anthropic 开始正面回应成本问题

第三个重点，是 fast mode 大幅降价。

在 fast mode 下：

Opus 4.8 输出速度约为普通模式的 2.5 倍。而价格相比 Opus 4.7，直接下降了约三分之二。

新的价格：

• 输入：每百万 token 10 美元
• 输出：每百万 token 50 美元

这意味着 Anthropic 正在试图把 Opus 推向更真实的生产环境，而不仅

仅停留在“顶级模型展示”。

因为真正的大规模 agent 系统，最先撞上的问题，从来不是能力，而

是：吞吐、延迟与成本。

Anthropic 开始强调另一个关键词：“诚实”

这次 Opus 4.8，还有一个非常耐人寻味的方向：Anthropic 正在越来越强调“模型诚实性”。

他们声称：

• Opus 4.8 更少欺骗用户
• 更少配合滥用请求
• 更愿意承认自己不知道
• 更容易指出代码中的潜在问题

Anthropic 甚至表示：相比前代模型，Opus 4.8 “忽略自身代码缺陷”的概率下降约 4 倍。

这其实反映了 AI 行业一个越来越现实的问题：模型变聪明，已经不够了。

真正稀缺的能力，开始变成：

• 是否可靠
• 是否稳定
• 是否会误导用户
• 是否敢于承认错误

过去，大家拼的是 IQ。现在，开始拼“可信度”。

但真正引爆争议的，是 Anthropic 的基准测试

从官方跑分来看：Opus 4.8 在多个 agentic coding 基准中，已经超过 GPT-5.5 与 Gemini 3.1 Pro。

尤其在 agentic coding 项目中：

• Opus 4.8：69.2%
• GPT-5.5：58.65%
• Gemini 3.1 Pro：54.2%

但问题在于：开发者社区的真实反馈，却并不完全一致。尤其最近，GPT-5.5 的编码口碑正在迅速升温。

DHH 就公开表示：GPT-5.5 是近一年里，第一次让他持续产生“难以置信”感觉的模型。也正因如此，Redis 作者 antirez 直接批评 Anthropic：

“这是一个重大战略错误。”

因为：当大量开发者已经明显感受到 GPT-5.5 编码能力极强时，Anthropic 却依旧拿基准测试强调自己更强，反而会让用户开始怀疑：“跑分和真实体验，到底哪个更可信？”

这实际上暴露了 AI 行业如今最大的矛盾之一：Benchmark 正在逐渐失去对真实体验的解释力。

Anthropic：正在从“定义行业”，变成“追赶 OpenAI”？

不少开发者开始出现一种微妙感觉：Anthropic 似乎正在慢慢失去过去那种“定义节奏”的气场。

有用户评价：Opus 4.8 依然是一个非常强的模型。但现在的 Anthropic，更像是在追赶 OpenAI，而不是引领行业。尤其 GPT-5.5 出现之后，这种对比开始越来越明显。

因为 OpenAI 现在最可怕的地方，已经不只是 benchmark，而是：真实开发者体感。而 AI 行业历史已经反复证明：最终决定市场格局的，从来不是 PPT，也不是跑分。而是：开发者到底愿不愿意每天打开它。

Opus 这一年：从“编码封王”到“额度争议”

回看过去一年，Anthropic 对 Opus 系列的定位，其实一直非常明确：“世界最强编码模型。”

从 Opus 4，到 4.5，再到 4.6、4.7，Anthropic 一直在强调：

• agentic coding
• 长上下文
• computer use
• workflow automation

但与此同时，争议也越来越多：

• 长上下文价格暴涨
• 额度缩水
• 性能波动
• 模型稳定性下降
• 计费方式越来越复杂

很多开发者开始发现：模型能力确实越来越强。但使用体验，却未必越来越舒服。而 Opus 4.8，很明显正在试图修复这些问题。它不仅要证明：Claude 依然是顶级编码模型。

更要证明：Anthropic 仍然有能力继续参与下一轮 AI 平台战争。

结尾

Opus 4.8 的真正意义，可能不只是一次模型升级。它更像是 Anthropic 对未来 AI 方向的一次表态：下一阶段的大模型竞争，已经不只是“谁更聪明”。

而是谁能：

• 更稳定
• 更可靠
• 更低成本
• 更适合真实工作流
• 更像一个真正的软件系统

问题是：当 GPT-5.5 已经开始凭借真实编码体验动摇“编码王座”时，Anthropic 还能重新夺回定义行业节奏的话语权吗？