29 May 2026

Claude Opus 4.8：小幅但有感的升級

by Simon Willison

Simon Willison · 2026-05-28

原文連結： Claude Opus 4.8: “a modest but tangible improvement”

摘要

Simon Willison 認為 Claude Opus 4.8 最有趣的地方，不只是能力變強，而是 Anthropic 願意把它描述成「小幅但有感」的改進。
這次發布把「誠實」放在核心：Anthropic 表示 Opus 4.8 比前代更常承認不確定，也更不容易在程式碼有問題時假裝完成。
Opus 4.8 價格維持每百萬 input tokens 5 美元、每百萬 output tokens 25 美元；fast mode 的價格則比 4.6 / 4.7 大幅降低。
模型的可靠知識截止與訓練資料截止都仍是 2026 年 1 月，context window 仍是 1,000,000 tokens，最大輸出仍是 128,000 tokens。
對開發者最值得注意的 API 變化，是可以在對話中途插入 role: "system" 訊息，讓長任務可以更新指令而不破壞 prompt cache。
Prompt cache 的最低可快取長度也從 Opus 4.7 的 4,096 tokens 降到 1,024 tokens，這對 agentic loops 的成本與架構設計很實際。

· · ·

Anthropic 今天發布了 Claude Opus 4.8。我最喜歡的是公告裡這段說法：

使用者會發現 Opus 4.8 相比前代是小幅但有感的改進。仍然還有很多事情要做：我們正在開發並發布能以更低成本提供許多 Opus 級能力的模型。

看到一家 AI lab 老實把一次發布描述成相對前一版的小幅增量改進，實在很清爽。

誠實似乎是這次的主題。公告裡另一段我很喜歡的文字是：

Opus 4.8 最突出的改進之一是誠實性。我們訓練所有模型保持誠實，例如避免做出自己無法支持的主張。不過 AI 模型有一個普遍問題：它們有時會太快下結論，在證據薄弱時仍自信地宣稱工作已經有進展。早期測試者回報，Opus 4.8 更可能標示自己對工作的不確定性，也更不容易做出沒有根據的主張。我們的評估也支持這點：Opus 4.8 讓自己寫出的程式碼缺陷未被指出的機率，大約比前代低四倍。

那份連結的 system card 還寫了：

Claude Opus 4.8 在六個模型的所有 benchmark 上，都有最低的 incorrect-rate，也就是事實幻覺最直接的衡量方式。它達成這點，主要不是因為答對更多問題，而是因為它會在不確定的問題上選擇 abstain。

模型特性

和 4.7 相比，改變不算多。

價格和 Opus 4.5 / 4.6 / 4.7 一樣：每百萬 input tokens 5 美元，每百萬 output tokens 25 美元。「Fast mode」則是這個價格的兩倍，這比先前模型大幅降低；4.6 / 4.7 的 fast mode 價格仍是 30 美元 / 150 美元。要注意的是，fast mode 只開放給參與 research preview 的組織使用，文件寫的是「聯絡你的 account manager 申請存取」。

可靠知識截止日與訓練資料截止日都仍是 2026 年 1 月，和 4.7 一樣。

Context window 仍是 1,000,000 tokens，最大輸出仍是 128,000 tokens。

What’s new in Claude Opus 4.8 文件裡有一些更有意思的細節。以下幾點特別吸引我注意：

對話中途的 system messages。 Claude Opus 4.8 允許在 messages array 中、緊接 user turn 之後插入 role: "system" 訊息，但必須遵守放置規則。這讓你可以在長時間對話後補上更新後的指令，不必重述完整 system prompt，因此能保留前面回合的 prompt cache 命中率，降低 agentic loops 的 input 成本。

也可以參考 Anthropic Python SDK 的這次更新。能在對話中途調整 system prompt 聽起來非常有威力。我原本擔心這會和我自己的 LLM library 抽象不相容，因為那套 API 預期每段對話只有一個 system prompt；但後來發現，我最近的重新設計應該能很好地處理這件事。

更低的 prompt cache 最小門檻。 Claude Opus 4.8 可快取 prompt 的最低長度是 1,024 tokens，比 Claude Opus 4.7 更低。

我查了一下，4.7 的最低門檻是 4,096。

還有一些鵜鶘

這裡有五種 thinking levels 的鵜鶘騎腳踏車：low、medium、high、xhigh 和 max。

這次我是用 LLM CLI 跑它們，把 logs 匯出成 Markdown，然後讓 Claude Opus 4.8 幫我做一個 HTML 工具，可以把那份 Markdown 裡的 SVG fenced code blocks 直接渲染成頁面上的 SVG。

後來我又用 Codex 裡的 GPT-5.5 xhigh 更新那段程式，移除所有 XSS 洞。我相信如果我請 Claude 做，它也辦得到，但 GPT-5.5 目前是我在程式碼安全上的安心毯。

Max 那張顯然最好，但它確實用了 25 個 input tokens、17,167 個 output tokens，總成本是 43 美分！

· · ·

真正的產品訊號，是模型開始承認「我不確定」

這篇文章表面上是在記錄 Claude Opus 4.8 的小版本更新，但真正有價值的訊號，是 Anthropic 把「誠實地承認不確定」包成主要能力，而不是只喊 benchmark 又刷新高。

對 agent workflow 來說，這比一般聊天品質更重要。當模型只是陪聊，錯誤最多造成誤解；但當模型開始改 repo、跑工具、讀文件、產生 PR 或分析長任務時，「看起來像完成了」卻沒有指出問題，反而是最危險的失敗模式。Opus 4.8 主打更會標示不確定、較少讓程式碼缺陷無聲通過，等於承認前沿模型競爭已經從單純解題能力，往「可驗證工作流裡的可靠度」移動。

Mid-conversation system messages 也很值得注意。它看起來只是 API 小功能，但對長時間 agent 來說，等於允許系統在任務中途更新權限、約束、環境狀態或策略，而且不必重灌整段 system prompt。這會讓 agent harness 更像一個持續運作的控制系統，而不是一次性 prompt 拼接器。

不過這也帶來新的設計風險。能中途更新 system 訊息，代表控制面更細，也代表開發者更需要明確定義哪些資訊可以改、何時改、誰能改，以及改完後如何留下可審計軌跡。否則成本雖然下降，行為可預測性可能反而變差。

最務實的讀法是：Claude Opus 4.8 不一定是讓人驚呼的模型飛躍，但它把幾個真正影響 agent 工程的細節往前推了一步。對正在建構 coding agents、長任務自動化或多工具工作流的人來說，這種小幅但扎實的改進，可能比一次漂亮但不可控的 benchmark 勝利更有用。