模型:Claude Opus 4.8

名称	Claude Opus 4.8
厂商	Anthropic
发布日期	2026-05-28
上下文	200k
最大输出
价格	$5/$25
定位	诚实校准旗舰

claude-opus-4-8 claude 88.6 诚实、编程、Agent

模型 content/models/claude-opus-4-8.md

一句话点评

跑分与诚实双升的「圣贤」旗舰——SWE 领先却体感分裂，蒸馏争议缠身，需 goal-first 重新调教。

社区反馈 · 编程

极度两极分化：SWE-bench Pro 69.2% 领先 GPT-5.5（58.6%）、LMArena coding 登顶、stet.sh 50 PR 实测双语言 craft leader（test gate 47/50）；但 HN「连文件都读不了」连错 15 次（Ask HN id=48316636，9 pts）、知乎称 agent coding 更易犯错；Nick Sweeting 实录模型把 120ms 编成 2.4ms（差 50 倍）。Daniel Johnston 反向佐证：「两个 codebase 每日审查，昨天第一次双双零幻觉报错」；uygarduzgun 生产实测 4.8 修掉 Codex 修不好的冷加载 bug 并自装 MutationObserver 验证。跑分与体感落差疑似与 effort level 强依赖（Every.to：extra-high 63 vs high 42）。

社区反馈 · 推理

goal-first framing 下复杂规划被认可增强（Reddit「Changed my mind」帖）；但 Andon Labs 实测 Max effort 推理 token 约为 4.7 Max 的 5 倍、压缩超 2 倍，长任务反而失忆；zero-shot 知识问答被指弱于 4.7；Handwritten-edit 基准 4.8 在 miscounting 上 regress 55%（Fable 5 #1）；ARC-AGI-3 得 1.5% 创当时 SOTA（ARC Prize，6/1）。

社区反馈 · 中文

无专项评测，社区以编程/Agent 讨论为主；蒸馏争议中中文身份问答异常（自称千问/DeepSeek），侧面反映中文语料与身份对齐存在瑕疵；Zvi 还记录「研究线程里随机冒中文」（@nickcammarata），纯中文创作口碑缺失。

升级共识

诚实度+对齐+跑分是实打实的进步（漏报概率 1/4、拦截测试 0 失分、SWE-bench Pro 69.2%），值得升级；但需重学 goal-first prompting，Max effort 长任务慎用（推理 token 约 5 倍、压缩超 2 倍伤记忆），官方建议编码显式设 xhigh。重度编码用户体感分裂：Every.to 团队与 stet.sh 站队 4.8（「该叫 Opus 5」、craft leader），HN/知乎派嫌体感差回退 4.6；8 月回流帖甚至出现「4.8 > Opus 5」。轻度用户建议留在 4.6 或等 Opus 5。

榜单与实测落差

SWE-bench Pro/Verified 双高、stet.sh 50 PR craft leader、OpenHands Index 71.88 排 #2，HN/Reddit/知乎却大量报文件读取失败、路径幻觉、编造性能数据——典型「分数高体感差」。根因是神级表现病态依赖 Effort Level：Max 档推理 token 约 5 倍、压缩超 2 倍致长任务失忆（Andon Labs），Every.to 实测 extra-high 63 vs high 42 佐证。缓解：High/extra-high effort + goal-first framing，高危管线务必加 injection 防护（无防护 7% vs 4.7 的 2.3%）。

数据来源

本页由仓库 content/models/claude-opus-4-8.md 初始化。后续修订通过公开审核队列发布。