Claude Opus 4.8：价格没动，但它开始主动指出自己代码里的坑

距离上一版 Opus 4.7 只过了 41 天，Anthropic 又把旗舰模型升到了 4.8。节奏很快，但这次最值得先说的一点，恰恰是没有变的那个数字——价格。

Opus 4.8 的定价和 4.7 完全一样：输入每百万 token 5 美元，输出 25 美元。能力往上走，价格原地不动，这在过去一年的模型迭代里并不是默认操作。说白了，这是一次加量不加价的更新。

那加的是什么量？主要是三件事：代码、诚实度，还有一组面向重度用户的新功能。

代码：差距不是缩小，是被越甩越远

衡量"会不会写代码"现在主要看一个叫 SWE-bench Pro 的基准——它给模型一堆真实的开源仓库 issue，让它自己读代码、改代码、跑测试，看最后能修对多少。这比早年那种"写个排序函数"的题目难得多，也更接近开发者真实的工作场景。

在这项测试上，Opus 4.8 拿到 69.2%，比 4.7 的 64.3% 提升了近 5 个百分点。横向看更直观：同一项测试里 GPT-5.5 是 58.6%，Anthropic 给出的对比中，4.8 同时领先 GPT-5.5 和 Gemini 3.1 Pro，把第二、第三名甩开了十几个点。

跨学科推理也在涨。在 HLE（Humanity's Last Exam，一套覆盖各学科硬核问题、允许模型调用工具的考试）上，Opus 4.8 从 4.7 的 54.7% 提升到 57.9%。这说明它的进步不只是"更会写代码"这一条腿，综合智力也在跟上。

数字本身没什么体感，换成一句话就是：在代码这条赛道上，4.8 不只是又进步了一点，而是把对手之间的距离继续拉开。

诚实度：它会主动告诉你"这里有个坑"

如果让我挑这次更新里最有价值的一点，不是代码分，而是诚实度。

Anthropic 给出的说法是：Opus 4.8 比上一代少大约 4 倍的概率，让自己写的代码里的缺陷悄悄溜过去、不加任何提示。换成人话——以前模型有时候会默默放过代码里的问题，写得一本正经，你不细看根本发现不了；现在它更倾向于主动标出来：这里有个坑，你注意一下。

这件事为什么重要？因为 AI 最可怕的问题从来不是笨，而是一本正经地糊弄你，还让你信以为真。一个会说"我不确定"、"这块可能有问题"的模型，远比一个永远自信满满的模型安全。对每天要 review AI 生成代码的人来说，这一步省下来的，是你反复核对的时间和踩坑的概率。

新功能：给重度用户的三把工具

第三块更新主要面向把模型用到极限的人，普通用户可以略读。

**动态工作流（Dynamic workflows）**是 Claude Code 里新加的能力，目前还是研究预览阶段。它能在一次会话里规划好任务，然后同时跑起数百个并行的子 agent。举个例子：以前你让 Claude Code 处理一个十万行代码库的迁移，中间往往要你反复介入、一段段盯着；现在它可以一次性把任务拆成几百个并行子任务同时推进，从开工跑到合并，你只需要在旁边看着。这种规模的并行编排，之前是没有的。

努力程度控制则是另一个方向的开关。你可以告诉模型这个任务该花多少力气——日常的轻活省着点跑，复杂的硬骨头全力出击，不必每次都把算力拉满。省的是钱，也是时间。

还有 Fast 模式。这一代的 Fast 模式速度是标准模式的 2.5 倍，而且比上一代的 Fast 模式便宜了三倍。它用的还是 Opus 级别的模型，不是偷偷换成小模型来提速——这一点对在意输出质量的人很关键。

那你到底该不该升级

这次更新对不同人的意义差别很大，分三类说。

如果你是重度代码用户，直接升，没有任何犹豫的理由。代码能力继续领跑，诚实度提升又意味着你 review 代码的时间会变少——模型会替你把可疑的地方标出来。

如果你是跑复杂 agent 任务的开发者，动态工作流这个功能值得认真研究一下。大规模并行子 agent 是这一代才有的能力，用得好能把一类原本要人盯着的大工程交给模型自己跑完。

如果你是日常写作或普通办公用户，这次更新的重心在 agent 和代码侧，对你的直接影响有限。Sonnet 4.6 对这类场景依然是性价比最高的选择，不用急着换。

还有更猛的在路上

最后补一个背景。Anthropic 目前最强的模型其实不是 Opus 4.8，而是一个内部代号 Mythos 的模型——官方叫它 Claude Mythos Preview，能力还在 4.8 之上，眼下只对少数机构开放，主要用于网络安全方向的测试。Anthropic 说，Mythos 级别的模型预计在未来几周内向所有用户开放。

也就是说，4.8 不是终点，只是此刻能用到的最强版本。真正的大招，还在后面。