就在今天凌晨，Anthropic 掏出来了他们最新的 Claude Opus 4.8。

距离 Opus 4.7 才过去一个多月，不得不说，Claude 上新的速度是越来越快了。

本来吧，4.8 注定只是大伙儿眼里的小版本更新。但世超发现，这次事情并没有那么简单。

因为不少人怀疑，Opus 4.8 似乎蒸了，蒸的还是 DeepSeek 和千问。。。

很多人通过 API 询问 Opus 4.8，你是什么模型，你背后的公司是什么，结果他一会儿说自己是通义千问，一会儿来自深度求索。

之前无证据乱锤中国模型蒸馏 Claude，现在反而被揪住小辫子，Anthropic，你小子怎么回事嗯？

当然，蒸没蒸是一回事，好不好用是另一回事。只不过在大伙儿试用之前，Opus 4.8 已经先上了一层怀疑的滤镜。

根据官方的博客，这回 Opus 4.8 改动并不大。最显著的改进之一，就是更诚实了。

换句话讲，那种莫名自信，嘴硬之后 “ 对不起，我之前说错了 ” 的情况，Opus 4.8 身上发生的概率会大大减小。

另外，据说它在做 Agent 任务时会更可靠，判断力更强，能自己发现问题，提出异议，用最终最好的答案稳稳接住你。

而从性能表上来看，Opus 4.8 只能说各方面小有提升，但没啥特别出彩的，其中一个 coding 指标还打不过两个月前的 GPT-5.5。

从用户实际反馈来看，Opus 4.8 褒贬不一。有人表示它确实变诚实了，不会轻易不查资料乱讲，经常自我反思，干活主动稳定，安全性也有了明显的提升。

小红书 @on99

但也有人说它依然不如白月光 Opus 4.6，语言表达的人味儿还没回来，token 消耗还飞快，甚至还有不少人发现它依然在 coding 的时候乱讲，比起 Opus 4.7 没啥变化。

世超亲自上手试了试以后，感觉倒也不是 Opus 4.8 不好，但代价是什么呢？

就说它的 “ 诚实 ” 特性，Opus 4.8 在一些比较危险的问题上，确实考虑周到不乱讲，但也变得极其保守。

面对一些风险较高的决策，比如世超给它一张毒蘑菇照片，问它能不能吃，它的思考过程相当客观冷静。

不过，在一些安全项里，Opus 4.8 表现得过度谨慎。即使它觉得大概率没毛病，也只会说 “ 我的顾虑小了很多，这也可能是剧毒菌撞脸 ”。

这当然是负责任的。毕竟真有人照着 AI 的话去吃蘑菇，那可不是闹着玩的。

但从用户体验上来说，这可能会导致很多问题得不到确定的答复，句句都是 AI 给自己叠的甲，相当难受。

另外，如果想要 Opus 4.8 保持水准，最好不要尝试 High 以下的性能（effort)。高消耗，才有好表现。

比如下面这种新闻总结的活儿，很基础吧。但 Opus 4.8 Low 给出的第一条新闻就是错的，Sholto Douglas 发那条动态已经是三天前的事儿了，怎么能连自家的新闻都搞错。。。

想让它做事实核查，还得再追问一遍，说好的主动检查发现问题提出异议，用最准确的答案稳稳接住我呢？

接下来世超又试了试它的代码能力，这回它的能力强，还是用时间和 token 换的。

常规的 leetcode 困难算法题，对 Opus 4.8 来说已经不成问题了。而当我找了一个超难题 LCP 82 丢给 Opus 4.8，即使开 Extra 模式，123 行代码，它也足足思考了二十多分钟。

结果的确是相当不错，Opus 4.8 一遍就过，思考出了第一版代码还复查优化了一遍，现在能做到这种程度的模型并不多。

但作为对比，GPT-5.5 思考了两分钟，就给出了一个测试案例通过 99% 的答案。唯一一个案例失败的原因，是时间超限，其实也不算答错。这明显比 Opus 4.8 要省得多。

世超又尝试让 Opus 4.8 独立制作一个日式校园 galgame，不得不说现在 AI 写的项目代码层次分明，框架清楚。

这意味着，在它的基础上，如果你想改立绘，加剧情，把游戏做大做强是很容易的。

世超浅玩了一下，所有功能包括存档，自动播放，CG 画廊等等，没有任何 bug。

但是 Claude 断断续续，做了足足一个多小时。下面 GPT-5.5 这个虽然简陋很多，该有的功能一样不差，只用了五分钟。

所以，花更多的钱和时间换来的答案值不值得？可能也只有大伙儿自己心里清楚了。

总的来说，Opus 4.8 继承了 Claude 过往的强项，没有特别出色的表现，平平常常普普通通。

而在测试之后，世超最想说的却不是这个模型本身到底咋样，而是现在用个 Claude，也太小心翼翼了。

作为业界价格的巅峰，用 Claude 最好的模型，不舍得开最好的性能；开最高的性能，不舍得用最好的模型。处处是陷阱，在你不注意的时候，无关紧要的小问题已经把 token 烧光了。

而且让用户自己选性能，只有 low 和 high 也就算了，这次，Opus 4.8 一口气推出了 5 种档位，Low、Medium、High、Extra 和 Max，普通人真搞不明白什么时候用哪个，很容易造成浪费。

现在，Opus 4.8 相关的评论区里，世超看到不少人陷入了 Opus 4.6 下架的恐慌。

大伙儿别担心，在更多模型里，老模型还在，想用还能用到。

但坦白讲，这种负优化不仅仅是 Anthropic 一家的困境，不少厂商都透着一股新不如旧的无奈。

虽然交出的参数答卷越来越漂亮，可那些曾经让用户感到惊艳的极致体验，又要什么时候才能回来呢？

撰文：莫莫莫甜甜

编辑：江江 & 面线

美编：焕妍

图片、资料

X、小红书、领英、Anthropic 官网