梦晨 发自 凹非寺
量子位 | 公众号 QbitAI
Claude最新旗舰Opus 4.8发布。
距离上一版4.7只过了43天。
手快的网友@stevibe已经做出了两大版本pk演示。
自动播放从测评结果来看，终端工程能力和知识工作上进步较大。
也有人补充了与Mythos已知数据的对比，Opus 4.8在部分能力上甚至超过Mythos。
官方特别强调，Opus 4.8可以长时间执行任务，人类不用经常回来检查它的工作。
多家早期测试企业也给出了反馈。
Cursor的CEO确认Opus 4.8在CursorBench上的表现超越了此前所有Opus模型。
Devin的CEO认为Opus 4.8修复了4.7中被开发者抱怨最多的两个问题：注释冗余和工具调用不稳定。
代码缺陷漏报率降至前代四分之一
公告称Opus 4.8最显著的改进是诚实性。
AI的一大问题是会草率下结论，即使证据不足，也会自信地声称取得了进展。
但Opus 4.8更有可能标记出其工作中的不确定性，并且不太可能做出未经证实的断言。
具体到代码任务上，不报告代码缺陷的可能性降低到Opus 4.7的1/4。
“不加批判地报告有缺陷的结果”这一行为，在Claude系列中还是首次出现。
在这方面，Opus 4.8的表现甚至超过Mythos。
另外，Opus 4.8发生硬编答案等“过度自信”行为的概率，下降至Opus 4.7的1/10。
不过244页的System Card中也标记了一个值得持续关注的对齐隐患：
模型在推理文本中出现了越来越多的对评分者的推测倾向。
也就是说，模型可能正在发展出“自己正在被评估”的感知，并据此调整行为。
动态工作流：数百个子智能体并行
与Opus 4.8同日上线的动态工作流（Dynamic Workflows）功能，目前以研究预览的形式在Claude Code CLI、桌面版和VS Code扩展中提供。
动态工作流的运作方式是：
Claude根据提示词动态生成一个Javascript编排脚本，将任务拆解成子任务，分发给数十甚至数百个并行运行的子智能体。
这些子智能体从不同角度处理问题，另一批子智能体负责反驳前者的发现，整个流程反复迭代直到结果收敛，最终合并为一个统一的输出交给用户。
所有中间结果存储在脚本变量中而非对话上下文里，因此主会话始终保持响应状态，任务规模再大也不会偏离计划。进度会持续保存，即使中途中断也能从断点继续。
这与此前Claude Code中的子智能体机制有本质区别。
此前的方式是Claude本身逐轮决定下一步做什么，每个中间结果都要回到对话上下文中，占用token。
动态工作流则将编排逻辑移入代码脚本，Claude的上下文中只保留最终结果。
Anthropic展示的标杆案例是Javascript运行时Bun从Zig到Rust的移植。
Bun的创始人Jarred Sumner使用动态工作流完成了这项工作：
一个工作流为Zig代码库中的每个struct字段映射正确的Rust lifetime，下一个工作流为每个.zig文件编写行为一致的.rs移植版本，数百个智能体并行工作。
随后通过修复循环驱动构建和测试套件直到全部通过。移植完成后，一个隔夜工作流处理了不必要的数据拷贝，并为每处修改开出PR供最终审查。
整个过程从首次commit到merge耗时11天，产出约75万行Rust代码，99.8%的现有测试套件通过。
该移植目前尚未投入生产环境。不过围绕这次移植也存在争议，有开发者指出部分测试被修改以使Rust版本通过，GitHub上也出现了Zig原版中不存在的新错误。
Anthropic还提醒，动态工作流的token消耗会明显高于普通Claude Code会话。
首次触发工作流时，Claude Code会展示即将运行的内容并要求用户确认。
用户可以通过在prompt中使用「workflow」一词直接启动，也可以开启Claude Code的ultracode设置，让Claude自动判断何时使用工作流。
最后，Anthropic透露正在开发一款成本更低但能力接近Opus水平的模型。
参考链接：
[1]https://www.anthropic.com/news/claude-opus-4-8
[2]https://claude.com/blog/introducing-dynamic-workflows-in-claude-code
[3]https://x.com/stevibe/status/2060055250128847244?s=20
— 欢迎AI产品从业者共建 —
