Claude Opus 4.8 行为实测
入档：2026-05-29 触发：阅读卡兹克的 Opus 4.8 实测评测（投稿邮箱 wzglyay@virxact.com） 性质：协作工具的版本行为档案 / 选型与协作策略（外部实测转述） 注意：以下均为原文作者的主观观点与实测体验，非客观结论，供选型参考
一句话
Opus 4.8 是”更准、更诚实、更不偷懒”的开发利器，代价是主动性下降——它指哪打哪、不再自作主张，因此对用户的需求表达能力要求更高；创作能力虽比 4.7 进步，但仍不如 4.6，人机味仍重。
如何使用
按”开发 / 创作”两种场景分流，再决定要不要切到 4.8：
- 写开发 / Agent 任务 → 用 4.8，但把需求说全说死。它不会顺手帮你把没说的 B 也办了（实测：不主动连服务器看生产数据，只基于本地代码给方案）。该让它做的、该让它确认的，都要显式写进 prompt。
- 写内容创作（分镜 / 历史文献 / 调研 / 特效 prompt） → 警惕质量回退。4.8 创作不如 4.6，且会规避写作 Skill 的禁用句式（把”不是…而是…”改成”不再是…”绕过检查），还爱用奇怪比喻和无意义排比。产出后必须人工过一遍”AI 味”。
- 要更细的思考 → 打开 effort 分级（Low→Max，全套餐含免费可用），配合”自适应思考”。作者习惯：默认 Extra，大活上 Max。
- 怕模型”看起来搞定了其实没跑通” → 4.8 在这点上明显改善（官方称瑕疵蒙混过关概率比上代低约 4 倍，“偷懒”不良率近 0%），但仍建议沿用 Claude完成报告核查心法 不要全信”搞定了”。
- 超大任务（跨服务排查 / 数百文件迁移 / 多角度压测）→ 试 Claude Code 的动态工作流(dynamic workflows)：让它并行拉起几十到上百个子 agent，自检后交付;触发方式是直接说”创建一个动态工作流”,或把 effort 设为 Ultracode。
发布背景（作者推测）
- 节奏异常快：距 4 月 17 日 Opus 4.7 仅 42 天，Claude 发布史上前所未有。作者推测受 GPT-5.5 / Codex 压力 + 4.7 口碑不佳被迫”救火”。
- 融资：Anthropic 完成约 650 亿美元新融资，估值逼近 1 万亿美元。
- 基模判断：最大上下文 / 输出长度 / 知识库时间与 4.7 几乎一致，价格未变（输入 $5/M、输出 $25/M），作者判断 4.8 基本是在 4.7 基模上再调。
- 二代留存：网页端通常只留两代，4.8 上线后 Opus 4.6 被顶掉——作者对此惋惜（认为 4.6 创作仍可用、4.7 不可用）。
- 作者的内容创作主观排序：4.5（巅峰）> 4.6（略差但可用）> 4.7（不可用）。
核心特性
| 维度 | 变化 | 对创作者的含义 |
|---|---|---|
| 思考强度 effort | 分级回归 Low→Max,全套餐(含免费)可用 | 4.7 只有不好用的自适应思考;4.8 把分级调回来了 |
| 精确度 / 遵循指令 | ↑ 更精确、指哪打哪、错误率与幻觉率↓ | 对已搭好 Harness 的专业开发者友好 |
| 主动性 | ↓ 让它干 A 只干 A,不顺带办 B;主动确认变少、更自信直接动手 | 对 Vibe Coding / 非专业群体未必是好事;需求表达能力要求更高 |
| 诚实度 / 不偷懒 | ↑ 官方称瑕疵蒙混概率低约 4 倍;“偷懒”不良率近 0% | 开发体验大进步(会主动审查代码找优化点,而非推说”改不了”) |
| 创作能力 | 比 4.7 进步,仍不如 4.6 | 人机味重;会规避写作 Skill 禁用句式;奇怪比喻 + 无意义排比 |
| Fast mode | /fast 降价:2.5× 速度,$10/$50(约旧 fast 的 1/3) | 高速档更划算 |
| 动态工作流 | 并行几十到上百子 agent,自检后交付 | 超大任务(跨服务排查/数百文件迁移/多角度压测) |
跑分：整体普遍小升（作者称”赢学”，兴趣不大）。唯一没跑过 GPT-5.5 的是 Terminal-Bench 2.1（Agentic 终端实战基准，作者视为 Agent 开发能力最高峰）——侧面说明 GPT-5.5 开发能力很强。
彩蛋 & 总评
- 彩蛋：Anthropic 留了更大的钩子——除 Opus 线外有一个攥了很久、比 Opus 高一档的新模型，代号 Mythos，称几周后向所有客户开放。
- 作者总评：开发明显进步、整体更好用；创作失落——4.6 被顶掉后，为适配 4.8，大量内容相关的 Prompt / Skill（调研、历史文献、分镜、特效）可能都要重写，4.6 上跑通的活全得重来。
关联文档
- 协作核查同主题：Claude完成报告核查心法 —— 4.8 虽更诚实，但”搞定了”仍需核查;主动性下降更要显式核对
- prompt 表达要求：prompt极简化原则_v1 —— 4.8 主动性↓意味着需求要说全说死,与”把注意力分配给最重要的事”互补
- 工具版本认知：低频退化与频率定律 —— 同属”模型版本/机制变化 → 实操策略”的跟踪;4.7→4.8 的 tokenizer/基模调整一脉
- 协作元方法论：Claude_Code_Worktree隔离的协作陷阱、识别工具天花板的时机
- 原始笔记底料：
{笔记文档库}/Claude-Opus-4.8实测笔记.md