2026年5月28日，Anthropic 发布新一代旗舰 Opus 4.8——在诚实性、智能体编码与百万 token 长上下文上的跃升。以官方公告与云端模型卡为一手来源，把上一版与竞品放在同一张表上对照。
Anthropic 于 2026年5月28日 发布新一代旗舰 Claude Opus 4.8。距上一版 Opus 4.7 仅约41天，延续了近期明显加快的发布节奏。API 模型字符串为 claude-opus-4-8，在 AWS Bedrock 上以 anthropic.claude-opus-4-8 调用。
本文以 官方发布材料与云端模型卡（一手来源） 为准，梳理有何改进，以及与上一版、竞品的基准对比。部分数值因 Anthropic 官方基准 以图片表格形式 提供、正文未直接给出，故采用转录该表的可信二手媒体数值并交叉核验，并在各表注中说明。
① "诚实性"是本次的招牌。 Anthropic 将 Opus 4.8 定位为"对自身进度更诚实、能更长时间自主工作"的模型。最具体的数字出现在编码领域：把自己代码中的缺陷不加提示就放过的概率，较上一代约降低为四分之一。 同时减少无依据的断言，更善于标示不确定性。
② 对齐（alignment）与安全指标改善。 Anthropic 对齐团队称，欺骗、协助滥用等"misaligned behavior"的比例较 4.7 显著下降。被报道的量化值为：每个模型数千次模拟中，misalignment 分数由 约2.5（4.7）降至约1.9（4.8）（二手媒体引用）。
③ 智能体编码与长上下文大幅提升。 如后表所示，SWE-bench Pro 与百万 token 长文追踪（GraphWalks）的涨幅最大。默认 effort 上调为 high，在与 4.7 相近的 token 预算下产出更好。
④ 速度与成本。 新的 Fast mode 比标准模式约快2.5倍，较上一代 fast mode 约便宜3倍。标准价格与 4.7 相同（输入 $5 / 输出 $25，每百万 token）。
以下为 Anthropic 官方基准表数值（图片表格经二手转录交叉核验）。同一方法、同一厂商内部对比，可信度最高。
| 基准 | Opus 4.8 | Opus 4.7 | 变化 |
|---|---|---|---|
| SWE-bench Verified (编码) | 88.6 | 87.6 | +1.0 |
| SWE-bench Pro | 69.2 | 64.3 | +4.9 |
| SWE-bench Multilingual | 84.4 | 80.5 | +3.9 |
| Terminal-Bench 2.1 (终端) | 74.6 | 66.1* | +8.5 |
| OSWorld-Verified (计算机操作) | 83.4 | ~82.3 | +1.1 |
| GraphWalks BFS (1M 长文) | 68.1 | 40.3 | +27.8 |
| GraphWalks Parents (1M 长文) | 83.3 | 56.6 | +26.7 |
| USAMO 2026 (数学) | 96.7 | 69.3 | +27.4 |
| HLE (无工具) | 49.8 | 46.9 | +2.9 |
| HLE (用工具) | 57.9 | 54.7 | +3.2 |
| GPQA Diamond (研究生推理) | 93.6 | 94.2 | -0.6 |
| GDPval-AA (实务 ELO) | 1890 | 1753 | +137 |
| MCP-Atlas | 82.2 | 79.1 | +3.1 |
| Finance Agent v2 | 53.9 | 51.5 | +2.4 |
单位为 %（GDPval-AA 为 ELO 分）。*Terminal-Bench 版本不同（4.8=2.1 vs 4.7=2.0），直接对比需谨慎。GPQA 略降，但其已在90%中段饱和，多被视为测量噪声。USAMO 与 GraphWalks 的爆发式上涨最能体现数学与长上下文增强。
截至2026年5月，竞争前沿为 OpenAI GPT-5.5（2026.04 发布）与 Google Gemini 3.1 Pro（2026.02 发布）。下表转录自 Opus 4.8 官方表中并列的对比值。但各厂商测量 harness 与条件不同，同名基准也难以严格 1:1 直接对比，请以此为前提。未公开/不可比为 N/A。
| 基准 | Opus 4.8 | Opus 4.7 | GPT-5.5 | Gemini 3.1 Pro |
|---|---|---|---|---|
| SWE-bench Pro | 69.2 | 64.3 | 58.6 | 54.2 |
| SWE-bench Verified | 88.6 | 87.6 | N/A | 80.6 |
| Terminal-Bench 2.1 | 74.6 | 66.1 | 78.2† | 70.3 |
| GPQA Diamond | 93.6 | 94.2 | N/A | 94.3 |
| OSWorld-Verified | 83.4 | ~82.3 | 78.7 | 76.2 |
| GraphWalks BFS (1M) | 68.1 | 40.3 | 45.4 | N/A |
| HLE (无工具) | 49.8 | 46.9 | 41.4 | 44.4 |
| HLE (用工具) | 57.9 | 54.7 | 52.2 | 51.4 |
| MCP-Atlas | 82.2 | 79.1 | 75.3 | 78.2 |
| Finance Agent v2 | 53.9 | 51.5 | 51.8 | 43.0 |
| GDPval-AA (ELO) | 1890 | 1753 | 1769 | 1314 |
深色 = 该行最高值。†GPT-5.5 的 Terminal-Bench 值因出处（harness）不同在 78.2~83.4 间波动，难以定论。GPT-5.5 的 SWE-bench"Verified"因 variant 差异在本表记为 N/A。在独立综合指标 Artificial Analysis Intelligence Index v4.0 中，Opus 4.8 以 61.4 居首（GPT-5.5 60.2、Opus 4.7 57.3）——第三方验证视角。
在智能体编码、计算机操作、百万长文追踪、实务智能体上，Opus 4.8 在对比组中领先。纯知识推理（GPQA）与 Gemini 3.1 Pro 基本持平，终端智能体与 GPT-5.5 难分伯仲。 — 基准总览
Opus 系列经历 4.5（2025.11）→ 4.6（2026.02）→ 4.7（2026.04）→ 4.8（2026.05），间隔不断缩短。有报道称同周 Anthropic 完成大额融资并预告上位模型"Claude Mythos"将至。但这部分（融资规模、Mythos 时间）属 媒体报道/预告阶段，Anthropic 一手确定文件尚未证实，故本文不作断言。