旗舰模型升级：Claude Opus 4.8 的技术跃迁

美国时间5月28日，Anthropic 发布了其全新的旗舰模型 Claude Opus 4.8。此次更新的核心在于模型性能的跨越式提升，特别是针对代码生成与工程任务的可靠性。按照官方数据，Opus 4.8 让代码缺陷被漏掉的概率降低了75%，仅为上一代的四分之一。

在核心性能评估中，Opus 4.8 在 SWE-Bench Pro 编程评测中拿到了69.2%的成绩，显著高于 Opus 4.7 的64.3%，同时也超越了 GPT-5.5（58.6%）和 Gemini 3.1 Pro（54.2%）。在跨学科推理能力方面，无论是 Humanity's Last Exam 不带工具还是带工具评测，Opus 4.8 均位列榜首。此外，它在 OSWorld-Verified、GDPval-AA 及 Finance Agent v2 等专业评测中也表现出行业领先水平。

除了跑分数据，此次升级最重要的提升在于诚实度（Honesty）。Opus 4.8 能够主动识别并标记出模型自身不确定的部分，不再倾向于生成貌似合理但无根据的答案。Devin 的CEO Scott Wu 以及分析师 Michael Ran 在使用反馈中均指出，模型在调用工具时更加干净利落，执行自主工程任务时的指令一致性更强。此外，在对齐团队的“品行”测试中，其不当行为（Misaligned behavior）分数显著下降，逼近了Anthropic内部更高级别的 Claude Mythos Preview 水平。

核心功能突破：动态工作流与推理控制

Opus 4.8 带来了三项核心功能升级：动态工作流（Dynamic Workflows）、思考强度控制（Thinking Strength Control）以及更高效的快速模式（Fast Mode）。

• 动态工作流：其本质上是一段 JavaScript 脚本，用于大规模编排子Agent。用户描述任务后，Claude 会自动编写脚本并在后台执行。该机制将任务计划转移至代码中，而非塞入上下文窗口，从而解决了上下文稀释的问题。Anthropic 展示了一个极具冲击力的案例：Bun框架作者使用动态工作流将 Bun 从 Zig 语言迁移至 Rust，生成了约75万行Rust代码，通过了99.8%的测试用例，且全程仅耗时11天。
• 思考强度控制：用户可手动调整模型在任务中投入的推理资源。全强度模式下，模型会更深入思考以提供高质量回答；低强度模式下则能快速响应并降低成本。
• 快速模式降价：针对快速模式（速度约正常模式的2.5倍），价格大幅下调至每百万输入Token 10美元、输出50美元，降价幅度达3倍。

商业版图：9650亿美元估值的狂飙

在模型发布当日，Anthropic 宣布完成650亿美元的H轮融资，投后估值高达9650亿美元。这一数字在三个月内翻了约2.5倍（三个月前为3800亿），不仅超过了 OpenAI 最近一轮融资的估值（8520亿），也使其成为风投史上从成立到达到该估值速度最快的AI初创公司。

融资阵容豪华，除领投方 Altimeter Capital、Dragoneer、Greenoaks Capital 和 红杉资本 外，还包括 谷歌、亚马逊 等战略伙伴及三星、美光、SK海力士等关键芯片供应链玩家。估值暴涨的背后是收入的惊人增长：推算年化收入已突破470亿美元，一季度同比增长达80倍，预计6月底前将突破500亿。

随着三家AI巨头（Anthropic、OpenAI、SpaceX）都在幕后积极筹备IPO，科技界正迎来一场前所未有的上市竞速赛，Anthropic内部预计按照今年秋季的时间表推进。

未来展望：Mythos 模型与安全隐患

在公告末尾，Anthropic 留下了一个重磅彩蛋：预计在未来几周内，将向所有客户开放 Mythos 级别的模型。Mythos 被公认为 Anthropic 目前最强的模型系列，据称在能力上比 Opus 4.7 高出一个完整等级。

此前该模型仅对少数合作伙伴（如苹果、谷歌、微软、AWS等）开放测试，并在关键软件基础设施中发现了超过一万个高危或严重级别的安全漏洞。Opus 4.8 的系统卡显示其安全性与 Mythos Preview 相当。这意味着，一旦该模型公开发布，我们即将面临一个能够自主发现零日漏洞（Zero-day Vulnerability）的AI系统。当此类高能力 AI 被置于大众视野下，其对世界格局的影响将是深远的。