Claude Opus 4.8发布
Claude Opus 4.8 发布引发可靠性争议、Token 消耗及版本设置讨论。
1. 关键信息
- 新模型发布：Anthropic 发布 Claude Opus 4.8，升级 Opus 系列，强化代码、代理任务及专业工作表现，支持长程任务一致性（#1）。
- 模式变化：新增 extra 和 max 模式，high 模式 usage 与 4.7 相当（#1）。
- 针对性训练：疑似对"drive or walk to the carwash"进行过针对性训练（#3）。
- 路由情况：有用户推测直接路由至
claude-opus-4-8-car-wash-pro-max-v10（#6）。 - 版本波动：网页版曾短暂删除 4.6 版本，后恢复（#13）。
- 性能对比：
- Benchmark 争议：
- 内部版本讨论：有用户提及内部存在 4.7 xhigh 版本（#39）。
- Token 消耗：
- 截图争议：关于某张截图是否为 vim 截图的讨论，有人声称无法复现该截图效果（#40）。
- 新提问：有用户询问 ultracode-xhigh+workflow 配置（#43）。
- 新增反馈：
- 用户尝试复现特定截图效果，10 次复现成功率 40%（#44）。
- 用户反馈 4.8 作为通用 agent 从 4.6 的优秀变为几乎不能用，一晚上多次强制中止（#45）。
- 建议遇到错误 context 时 summarize 并新开 session，旧错误 context 对注意力影响很坏（#46）。
- 用户表示用 Opus 4.7 写的 skill，4.7 执行没问题，但 4.8 可靠性极低（#48）。
- 用户表示未从 4.8 看出明显区别（#50）。
- 用户反馈 Opus 4.6:1m 设置下 context 为 200k，质疑是否为人类学挂羊头卖狗肉或公司设置问题（#52）。
- 用户分享命令
/model claude-opus-4-6[1m]（#54）。 - 用户怀疑某张截图为 P 图（#59）。
- 有用户称 4.9 已加入训练集（#60）。
- 有用户反馈 Gemini 3.5 flash 直接写了段代码算离谱，认为对能力有限模型是正解（#61, #63）。
- 有用户质疑 4.8 表现（#62）。
- 用户反馈 4.7 无 compact 问题，4.8 在 200k context 下迅速 compact（#64）。
- GitHub Copilot CLI 已支持 4.7（#65）。
- DeepSeek 4 flash 能答对特定题目（#66）。
- 用户表示一直使用 1m context 设置（#67）。
- 工具入口不同可能导致体感差异（#68）。
- 连 Gemini 3 Flash Lite 都能答对特定图片链接直到点开完整回答（#69）。
- 新模型发布后反响平淡（#70）。
- 用户反馈特定短链接图片上传后，两个回答结果不一致（#71）。
- 用户反馈 Gemini 展开结果为 8 个"d"字母，表现尚可（#72）。
- Thinking 模式讨论：用户反馈开启 thinking 模式（low+thinking）能答对问题，而关闭 max 模式则无法回答；有观点认为此类基础问题应被最基础模型回答，若不开启 thinking 则只能检索知识，面对未见/低权重信息易瞎编，且不清楚不开启 thinking 时 effort max 的具体含义（#73, #74, #75）。
- 蒸馏言论：有用户分享短链接图片，内容涉及“再也不说 claude 蒸馏千问”（#76）。
- 用户互动：有用户询问提问次数（#77）。
- 图片分享：用户 @willsonT 分享了 5 张短链接图片（#78）。
- 作弊定义争议：针对"yysy 这种一个词里有几个字母的问题，就不是 llm 能干的吧”的讨论，有用户认为答对的基本是作弊（针对性训练或 web search）；另一用户反驳称 ds 模式列出单词再数成功率很高，数其他词里有没有一个字母也不算作弊，认为该问题比数字母容易，写代码来数也不算作弊（#79, #80）。
2. 羊毛/优惠信息
无
3. 最新动态
- 模型迭代：Opus 系列快速迭代，从 4.6 到 4.8（#5）。
- 社区反馈：用户开始测试 Refactor + Migrate 任务，4.7 失败，等待 4.8 结果（#16）。
- 未来预期：用户猜测何时发布 Mythos 版本（#15）；社区强烈呼吁尽快放出 Mythos 让大家测试（#28）。
- 用户偏好：部分用户表示试了一下午后换回 4.6（#22）；认为 4.7 不如 4.6，建议回滚（#23）；认为 Sonnet 4.6 表现最好（#19）；有用户表示公司 4.7 还没用上，4.8 已出（#25）；有用户表示 4.6 也变笨了，转向使用 GPT 或 DeepSeek（#55）。
- 订阅成本：20 刀订阅被提及（#20）；5 分钟即触发 limit（#21）；GitHub Copilot multiplier 推测为 30 或 15，与 4.7 一致（#24）。
- 蒸馏讨论：有用户询问是否允许蒸馏，官方号称不许别人蒸馏，但用户质疑资本主义下的蒸馏定义（#34, #36）。
- CodeX 对比：用户对比 CodeX 可白嫖，询问当前模型是否可白嫖（#37）。
- 截图验证：有用户尝试复现特定截图效果但未成功，并讨论截图真实性（#40）。
- 实际测试：今日有用户花费约 3000 万 token 测试写代码及数据分析，感觉无明显区别（#42）。
- 可靠性危机：用户反馈 4.8 可靠性极低，作为通用 agent 表现倒退，多次强制中止（#45, #48）。
- 使用策略：建议遇到错误 context 时 summarize 并新开 session（#46）。
- 费用测试：用户测试一小时 Max 模式花费 $100（#47）。
- 模式体验：用户反馈 low/medium/high/extra/max 模式无明显区别（#49, #50）。
- 价格担忧：用户担忧模型越来越贵，下游公司可能弃用（#51）。
- 版本设置：用户发现 Opus 4.6:1m 设置下 context 为 200k，讨论是否为人类学挂羊头