千呼万唤，Claude Opus 4.8 正式发布了。
北京时间 5 月 29 日凌晨，Anthropic 正式发布 Claude Opus 4.8，如果只看名字，Opus 4.8 很容易被理解成 Opus 4.7 后面的一次小版本更新，其实从官方释出的性能表来说，也确实如此。比如 Terminal-Bench 2.1 上，GPT-5.5 的 78.2% 仍然高于 Opus 4.8 的 74.6%。
（图源：Anthropic）
不过，Anthropic 的真正杀招不只是 Claude Opus 4.8，而是随这个新旗舰模型一同释出，包括 Claude.ai 的 effort control、Claude Code 的 dynamic workflows 的全新Agent能力。
事实上，Anthropic 已经不再执着于让 Claude 变得更聪明了，而是选择让 Claude 变得更能干活了。
判断力是Opus 4.8 的最大突破
我们先来看看 Anthropic 这款最新旗舰模型 Claude Opus 4.8 的具体性能。
官方性能表里，Opus 4.8 在 Agentic Coding、Agentic Computer Use、Knowledge Work、Finance Agent 等多个项目上超过 Opus 4.7、GPT-5.5 和 Gemini 3.1 Pro。在 SWE-Bench Pro 上，Opus 4.8 是 69.2%，高于 Opus 4.7 的 64.3%；OSWorld-Verified 上，Opus 4.8 是 83.4%；GDPval-AA 上，Opus 4.8 得到 1890；Finance Agent v2 上，Opus 4.8 是 53.9%。
（图源：Anthropic）
简单来说，Opus 4.8 的核心升级是写代码、用终端、操作电脑、处理知识工作、做金融分析。更直白一点说，Opus 4.8 不是为“问答”而升级，而是为“代理执行”而升级。
过去一年，大家对 coding agent 最大的不满，并不是它完全不会写代码，而是它太自信了，比如你让它跑一个任务，它会说任务完成了，但测试没有真正跑通，还有它会把自己生成的代码缺陷放过去，甚至用很笃定的语气告诉你“一切正常”。换到问答里，那就是 AI 又一次“稳稳地接住了你”。
这类问题对聊天产品来说只是体验不太行，但对 agent 来说就是生产事故。
因为 agent 的本质不是回答，而是行动。一个会行动的模型，最可怕的不是能力不足，而是能力不足却不知道自己不足，所以 Opus 4.8 的提升点很重要，它更愿意指出不确定性，愿意在证据不足时停下来，等待你补充完整信息再去行动。官方甚至提到，Opus 4.8 让代码缺陷未经提醒通过的概率，比前代低了很多。
从官方早测反馈看，Cursor、Devin、Databricks、法律 AI、金融分析、浏览器 agent 等合作方也提到：
工具调用更干净，任务推进更稳，长程上下文保持更好，更适合无人值守或半无人值守的复杂工作。
另外，ClaudeDevs 官方账号对 dynamic workflows 做了连续解释：Claude Code 现在可以临时写 orchestration script，然后并行启动大量 coordinated subagents 来处理复杂任务。官方还明确说，这类 workflow 适合 service-wide bug hunt、大型迁移、设计压力测试这类单 agent loop 很难完成的任务。
（图源：Anthropic）
Bun 作者 Jarred Sumner 表示， dynamic workflows 是目前可靠使用 agents 完成中大型项目的前沿方式之一，并提到 Bun 重写为 Rust 的过程中，dynamic workflows 和 adversarial code review 起到了重要作用。
不难看出，Opus 4.8 就不是一个单独拎出来很强的模型，它更重要的是在 Claude Code 这套 agent 系统里的核心执行模型。
与此同时，Anthropic 一同发布的几个新能力也很有意思，比如Claude.ai 新增的 effort control ，用户现在可以控制 Claude 在任务上“花多少力气”，有几个选项，低 effort 更快、更省；高 effort 更深、更适合复杂任务，Opus 4.8 默认的是 high effort，假如想要省一些 token，那最好手动切换回低 effort。
5 月模型大混战：全员加速 Agent
整个 5 月，AI 圈几乎是各家厂商各显神通。
OpenAI 继续强化 Codex，展示用 Codex 构建自改进税务智能体；Google 在 I/O 上发布一整套 AI agent 开发工具链；GitHub、Cursor、OpenAI 都在争夺企业级 AI 编程代理的位置；Replit Agent 开始和自动化 QA 结合；Luma Agents 用于规模化生成真实 UGC 广告；阿里云也在推 DataWorks AI 数据智能体和“全天候 AI 劳动力”。
国内模型侧也在继续高频迭代，比如Qwen3.7-Max 强调编程能力，智谱 GLM-5.1 高速版主打 API 速度，MiniCPM5-1B、BitCPM-CANN 继续往端侧、低比特、低成本方向推进，商汤和腾讯混元等也在快速更新迭代。
与此同时，价格战也在悄悄打响。
DeepSeek 再次降价，小米 MiMo 大模型也以极低价格入场，表面上看，这是 API 报价竞争，但实际上还是为了 Agent，因为 Agent 实在是太吃 tokens 了。
如果只是聊天，一次可能只消耗几百到几千 tokens，但 Agent 不一样，它要读上下文、拆任务、写计划、调用工具、执行代码、检查结果、修复错误，有时还要拉起多个 subagents 并行工作。Claude Code 的 dynamic workflows 就是典型例子，官方自己也提醒它 powerful but expensive，会快速消耗大量 tokens。
所以，token 价格战不只是为了让聊天更便宜，而是为了让 Agent 这种高消耗形态跑得起来。所以，就连 Anthropic 也不得不把 fast mode 的价格打到了前代的三分之一，来应对这样的高消耗。
（图源：Anthropic）
看起来，大家只是在按部就班更新模型，但似乎都遗漏了一点，那就是这些模型的核心已经不再是聊天，而是比谁更能进入真实工作流。
过去的大模型竞争，主战场是对话，谁回答得更自然，谁推理更强，谁上下文更长，谁模态更好，现在主战场正在变成 agent。
Agent 竞争的核心不是单次回答，而是连续执行，它要求模型会拆任务、会调用工具、会管理上下文、会处理权限、会控制成本、会复核输出，还要能在复杂环境中长时间不跑偏。
这也是为什么 Opus 4.8 的官方没有强调对话能力，而是把重点放在 agentic coding、computer use、knowledge work、financial analysis。因为 Anthropic 很清楚，未来最值钱的模型调用，不一定发生在聊天窗口里，而是发生在 IDE、终端、浏览器、数据平台、企业后台和各种自动化流程里。
（图源：Anthropic）
从这个角度看，dynamic workflows 可能比 Opus 4.8 本身更重要。因为它把 Claude Code 从“一个 AI 程序员”推向“一支 AI 工程队”。过去你让模型做任务，本质上是一个模型在一个上下文里循环。现在它开始能拆分任务、并行分配子代理、让不同 agent 互相验证，最后再汇总结果。
综合来看，5 月这场模型大混战，不只是“模型更强了”，而是“模型正在被允许做更多事”。
Claude 一夜蜕变成工作流系统
Opus 4.8 虽然在定位上是 Cludue 的旗舰模型，但不会是一次“震撼全场”的模型发布。
它更像 Anthropic 给市场递出的一张路线图，这张路线图里，模型不能只追求更聪明，还要更稳；任务不能只完成一轮对话，还要能持续推进；AI 不能只给出答案，还要能解释过程、复核结果、控制成本，并且把工作流沉淀下来。这些都是未来所有大模型都要关注的点。
于是我们可以看到，Opus 4.8 负责把 Claude 的判断力和长程执行能力往前推一步，effort control 让用户可以在质量、速度和成本之间主动调节，dynamic workflows 则把 Claude Code 从单个 coding agent，推向一个可以拆任务、调度 subagents、并行执行和复核结果的工程协作系统。
Claude 正在变成什么呢？答案已经很明显了，Claude 正在从一个聊天模型，变成一个工程协作系统。
接下来，大模型公司的竞争也会越来越少停留在“谁更会说”，而是把目标放在更可靠地完成复杂任务、更便宜地支撑高频调用，把模型、工具、工作流、安全和成本控制，真正打包成生产力系统。
在这一方向上， Anthropic 已经交出了第一份答卷。
Opus名字来自拉丁语中的“作品”，常用来形容一位作曲家的传世之作（magnum opus，即“最伟大的作品”）。在古典音乐里，Opus 后面跟着编号，代表作曲家最重要的创作。贝多芬的《月光奏鸣曲》是 Op. 27，《命运交响曲》是 Op. 67。这不是随便写的东西，这是呕心沥血的集大成之作。
从引领加速AI产业进入工作流时代的意义来看，Claude Opus 4.8确实堪称一个传世之作。