新智元报谈

【新智元导读】Opus 4.7发布刚43天，Opus 4.8就来了！编程实力暴增，全面霸榜。Claude Code不竭放出上百个agent并行干活，一个东谈主11天就能重写75万行代码、99.8%测试通过。更狠的Claude Mythos，几周后就来。

猝不足防，Anthropic深夜杀转头了！

就在刚刚，Claude Opus 4.8崇敬登场，一举夺回群众AI王座。

而且价钱还一分没涨，跟上一代一模一样。

不管是编程、东谈主类临了磨砺（HLE），如故在智能体、猜度机使用任务中，Opus 4.8险些无可匹敌。

在权衡真实天下Agent才调的硬核榜单GDPval-AA上，Opus 4.8拿下了1890 Elo，断层第一。

比上一代Opus 4.7高137分，比GPT-5.5高121分。换算成对治服率，赢面高达67%。

不仅如斯，完成一样的任务，要比4.7少用15%的本领，少输出35%的token。

可谓是，又快，又强，又低廉。

着名博主Mark Kretschmann一句话刺破它的来头——Opus 4.8可能即是蒸馏的Mythos。

更重磅的是，这个最强的Claude Mythos，几周内就会上线。

Opus 4.8，两个0%改写历史

跑分以外，Anthropic此次反复强调的，就俩字，敦厚。

用过LLM的东谈主应该都体验过，写完一段代码之后，AI拍着胸脯告诉你「处治了，没问题」，但本色上却埋着一堆雷。

被这种过度自信坑过的开拓者，海了去了。

但到了Opus 4.8这里，「写完有劣势代码却闷不吭声」的概率，比4.7低了差未几4倍！

底下这张图中，右边是「谎报率」，权衡模子在数据处理有劣势时装作没事的频率。

Opus 4.5是0.40，Opus 4.7是0.25，Opus 4.8是0.00。

莫得极少点后头的零头，即是0。

Opus 4.8是第一个在此评估中拿到满分的模子，它从不讲述空虚数字。

另一张图是「偷懒走访率」。

之前的模子际遇需要追查的问题时，不时赧颜苟活给个空虚谜底。

Opus 4.7有25%的概率偷懒，而Opus 4.8依然是0%。

两个0%，两个历史初次。

这不是什么综合的对王人洽商。Anthropic官博放了一段视频，把这件事讲得很具体。

一个开拓者用Claude Code + Opus 4.8在移动代码，外出放风筝去了，Claude在后台我方跑。

跑到一半，代码提交被管事器休止了，原因是共事在这本事也提交了一个伏击竖立。

Claude通过手机见告开拓者，说我方盘算先消亡共事的修改再重试。开拓者嫌贫困，唾手回了一句「径直强制障翳就行」。

但是，Claude休止了——

不彊制障翳。那样会丢掉共事11:42提交的伏击竖立。我依然把双方的转换消亡好了，代码全都一致，提交历史也干净。已推送。

用户图省事让AI走捷径，AI判断出这么作念会障翳共事的责任，休止本质，我方选了正确有洽商。

编码实力暴增，全面霸榜

值得一提的是，在长达244页的系统卡中，还藏着更多Opus 4.8编码才调的细节。

https://cdn.sanity.io/files/4zrzovbb/website/c886650a2e96fc0925c805a1a7ca77314ccbf4a6.pdf

最经典的SWE-Bench Pro测试，Opus 4.8拿下了69.2%收货，比GPT-5.5整整越过10个百分点。

接着是一项更刁顽的测试，ProgramBench。

任务是给你一个编译好的二进制文献加一份花样文档，不准反编译、不准联网，让模子从零把源代码重建出来，还得跑通行动测试。

浪漫，所有这个词高下文预算档位上，Opus 4.8的通过率全部高于4.7。

而且在低预算（1M token）时，Opus 4.8就能拿到约79.5%，Opus 4.7在5M时也才84%附近。

说白了即是：给更多「想考时分」，模子推崇更好；一样的预算下，4.8全面最初4.7。

临了，是一个专冲「东谈主类才调天花板」去的榜单——FrontierSWE。

这里出的全是硬核系统工程的活儿，皇冠体育(CrownSports)官网用Zig从零写一个PostgreSQL管事器、把git通盘重写一遍、作念一个Lua的原生编译器。

没意象，Opus 4.8以高达83%的胜率登顶，把第二名的GPT-5.5和前代4.7全压在死后。

不外，Opus 4.8也有够不着的地点。

在评估「Claude能否自动化AI研发」的核神思划上，它把Anthropic的才调前沿再往前推了一步。

这哪是4.8，分明是Opus 5

在第三方的实测中，Opus 4.8的实力全都即是Opus 5的存在。

Every团队一篇发挥中，直言Opus 4.8的编码实力好太多，比上一代越过30分。

甚而，它完成了一次从0初始的坐褥级代码库重写，而且果真构建出了可运行的恶果。

在写稿方面，它比GPT-5.5越过6分，AI味儿一刹淡了，生成的文本愈加理解。

而且，Opus 4.8撰写的发挥、议论等常识责任任务中，推崇极其出色，不错作念到一次直出PPT。

沃顿商学院CS解释Ethan Mollick给出的评价是，「令东谈主印象深入」！

实测中，Opus 4.8一次性就生成了在twigl中运行的、效果炫酷的着色器。

再来看一个，Opus 4.8和Opus 4.7并列测试。

上百个Agent并行干活

11天重写底层

强成这么，它该使多大劲，此次果然轮到用户说了算。

先说effort control（想考力度）。模子附近，多了个从Low到Max的五档遴荐。

简短问题挂Low，秒回还省额度；遇上硬骨头径直拉满Max，让它往死里想。

fast mode也随着大降价，2.5倍速决骤，价钱反倒砍到三分之一。

而五档之上，还埋着一个着实的狠扮装，ultracode。

effort一朝顶到xhigh，它就我方估量，这活儿值不值得叫上一整支agent雄兵。

这支雄兵，即是dynamic workflows，藏在Claude Code里的着实重兵器。

它把AI干活的神情，从一个东谈主改一谈题，形成了开一座工场。

需要细心的是，dynamic workflows的token谗谄远高于无为session，冷落先从小范围任务试起。

咫尺，Claude接到一个大活后不再我方埋头硬刚，而是就地写出一段调理剧本，把任务拆成几十上百个子任务，撒给一大群subagent并行去作念。

作念完还不算完，再派另一拨agent从不同角度反复商议、彼此挑刺，吵到谜底治理了，才汇总成一份浪漫交给你。

通盘调剃头生在对话以外，是以活儿再大，干线也不会乱。半途断了还能续上，无须从新再来。

举个例子，Bun的作家Jarred Sumner，想把这个比Node.js还快的JavaScript运行时，通盘从Zig重写成内存更安全的Rust。

这种移动，放在昔日是一支团队按季度算的工程。

不外，此次Sumner有了dynamic workflows。

一个workflow先把Zig代码里每个结构体字段对应的Rust生命周期挨个标好，下一个workflow把每个文献逐个翻成行动一致的Rust版块，几百个agent同期开工，每份文献还配两个审查员，再用一个竖立轮回驱动编译和测试，一谈推到全绿。

浪漫是，约75万行Rust代码，99.8%的原有测试通过。从第一次提交到消亡，只用了11天。

社区就地炸了锅。这场移动产生了六千屡次提交，险些莫得进程东谈主类逐行审查。

估值万亿好意思金

Claude Mythos要来

才调夺回第一的同期，Anthropic的身价也头一趟压过了OpenAI。

就在刚刚，Anthropic完成了650亿好意思元H轮融资，估值9650亿好意思元，初次超过OpenAI（8520亿好意思元）。

整夜之间，它成了群众估值最高的AI初创公司！

但是，站在IPO前夕，这两大巨头的ASI的巅峰对决才着实初始。

正如博客所预报的那样，Anthropic手中最大的王牌——Claude Mythos将在畴昔几周上线。

届时，这场属于AI巨头间的终极拉锯战huangguan体育app，才算拉开帷幕。