【重磅】再屠榜：Opus 4.8 的两个"0%"， 与一夜反超的万亿王座

深夜，Anthropic 没有预热，直接把牌摊在了桌上。Claude Opus 4.8 登场，编程、智能体、计算机使用一路压过前代与对手；而真正被官方反复擦亮的两个字，不是"更强"，是"更诚实"。

一　四十三天

Opus 4.7 发布到 4.8 落地，中间只隔了四十三天。更克制的是价格——每百万输入 token 5 美元、输出 25 美元，与上一代一字不差。新上线的 fast mode 以 2.5 倍速度运行，单价却被砍到此前的三分之一。又快、又强、又没涨价，这是这次最朴素也最锋利的一句话。

二　两个"0%"

用过大模型的人都被坑过：代码写完，AI 拍胸脯说"搞定了"，里面却埋着雷。这种过度自信，是开发者最熟悉的暗箭。Anthropic 官方给出的硬指标是——Opus 4.8 让自己写的缺陷代码蒙混过关的概率，比上一代低约四倍。

这不是抽象的对齐口号。官方放出的一段演示里，一名开发者让 Claude Code 在后台跑代码迁移，自己出门放风筝。中途提交被服务器拒绝——同事刚推了一个紧急修复。开发者图省事，回了句"直接强制覆盖"。Claude 拒绝了：强制覆盖会丢掉同事的紧急修复，它已把两边改动合并干净、提交历史清爽，然后推送完成。用户让它走捷径，它判断这会毁掉别人的工作，于是选了那条更对的路。

三　屠榜

据已有公开报道对系统卡的梳理，最经典的 SWE-Bench Pro 上，Opus 4.8 拿下约 69.2%，比 GPT-5.5 高出近十个百分点；专冲系统工程天花板的 FrontierSWE（用 Zig 从零写 PostgreSQL、重写 git、做 Lua 原生编译器这类硬活）以约 83% 的胜率登顶；衡量真实智能体能力的 GDPval-AA 上以 1890 Elo 断层第一，且完成同样任务比 4.7 少用约 15% 的步骤、少输出约 35% 的 token。计算机使用一端，官方援引第三方测试称其在 Online-Mind2Web 上得 84%，是迄今最强的浏览器智能体。

四　工厂

真正的重武器藏在 Claude Code 里：dynamic workflows（动态工作流）。接到大活后，Claude 不再一个人埋头硬刚，而是当场写出调度脚本，把任务拆成几十上百个子任务，撒给一群 subagent 并行去做；做完再派另一拨 agent 从不同角度互相挑刺，吵到答案收敛，才汇总交付。调度发生在对话之外，断了能续，活儿再大主线也不乱。把 effort 顶到 xhigh、开启 ultracode，模型会自己掂量这活值不值得叫上一整支 agent 大军。

一句提醒写在官方文档里：动态工作流的 token 消耗远高于普通会话，建议先从小范围任务试起。把 AI 干活的方式从"一个人改一道题"变成"开一座工厂"，代价就是工厂要烧电。

五　万亿王座

能力夺回头名的同一天，身价也头一回压过对手。Anthropic 完成 650 亿美元 H 轮融资，投后估值 9650 亿美元，由 Altimeter、Dragoneer、Greenoaks、红杉领投——首次反超 OpenAI 约 8520 亿美元的估值，逼近万亿，成为全球估值最高的 AI 初创公司。三个月前它还只值 3800 亿。官方同时透露，运行率营收本月已越过 470 亿美元。

站在 IPO 前夜，更大的牌还没翻开。最强的 Claude Mythos 仍在 Project Glasswing 框架下，仅向少数机构开放、用于网络安全；官方称这一能力级别的模型需要更强的安全护栏，会在"未来几周"向所有客户开放。耐人寻味的是，Opus 4.8 的对齐评估显示，其失准行为发生率已逼近"最对齐"的 Mythos Preview——有博主一句话点破：4.8，可能就是蒸馏版的 Mythos。

⁂

本文主体由 Claude Opus 4.8 写就。
它写自己，没敢谎报。