Claude Opus 4.8來襲：編碼更強、安全更聰明，但價格凍漲的背後意義究竟在哪？

六週煉金術：Anthropic如何把Model迭代變成一門藝術

各位開發者、工程師、技術愛好者，還有那些每天被老闆問「AI能不能幫我寫Code」的PM們，你們得聽我說。這一次，Anthropic真的端出一盤讓人驚艷的菜了。

從Opus 4.7到Opus 4.8，只用了區區六週。這個迭代速度在AI業界簡直就像是把飛度改成Formula 1——而且方向盤還沒變。你知道這代表什麼嗎？這代表他們不是在大更新，而是在玩真的、用力的、把模型的每一顆神經元都逼到極限。

但最讓我跌破眼鏡的不是效能提升，而是那個價格——它壓根沒變。$5 per million input tokens、$25 per million output tokens，就這樣。這在現在這個AI戰國時代，尤其當中國模型殺到見骨的時候，Anthropic到底在想什麼？

效能怪物：SWE-bench Pro上的王者歸來

先講大家最關心的Coding能力。SWE-bench Pro，這個Benchmark是業界公認最殘酷的——它直接把真實生產環境的Multi-language軟體工程問題丟給AI，能解多少%、有多少Bug能過關，全部攤在陽光下。

Opus 4.8破了69.2%。four months ago，Opus 4.7才64.3%。這一躍升，不是4%的差距，是快5%的實力。各位，這叫「質的飛翔」，不叫「微幅調整」。比對手呢？OpenAI的GPT-5.5只有58.6%，Google的Gemini 3.1 Pro更是隻有54.2%。

我在這邊必須說句公道話：這不是「小幅贏過」，這簡直是「碾壓」。同樣的價錢，更好的輸出，Anthropic這波操作，根本就是在告訴全世界：「你想要的效能，我這邊最便宜。」

不只是Coding：學術考試 тоже會

Coding之外Humanity’s Last Exam——一個涵蓋數十個學科領域的Expert-level問答集。Opus 4.8在不使用工具的情況下拿到49.8%；加了Tools之後更飆到57.9%。兩項資料，都把三個主要對手遠遠甩在後面。

OSWorld-Verified——測試AI在真實電腦環境中操作的表現，像是導航Software UI、管理檔案這種「人在做的事」。Opus 4.8拿下83.4%，小勝4.7的82.8%。這叫「持續進步」，不是「江郎才盡」。

唯一的小遺憾是Terminal-Bench 2.1。在這個測量Command-line操作能力的Benchmark上，Opus 4.8的分數是74.6%，還是輸給GPT-5.5的78.2%。但至少，它也贏了Gemini的70.3%，而且從4.7的66.1%爬上來，這種進步幅度，坦白說，已經很不簡單了。

安全升級：這一次，連謊言都治好了

說到這篇文章的重點，我必須很認真地跟你們談「安全」。Anthropic自己的Alignment團隊說了：Opus 4.8在他們衡量「親社會特質」的指標上創下新記錄——支援使用者自主權、按使用者最佳利益行事。翻成白話文就是：它更老實、更聽話、更不會偷偷搞有的沒的。

具體一點：欺騙率（Deception Rates）和錯誤資訊合作率（Misuse-cooperation Rates）都比4.7大幅降低，而且已經接近Claude Mythos Preview那個「最鎖起來」的水準。更扯的是：Opus 4.8自我Debug的能力比4.7強了四倍有自己的Bug，它能自己抓出來。

這在實際應用中意味著什麼？意味著你在處理法律檔案、醫療資料、金融合規這些高風險領域時，這個模型不會給你「看起來好像沒事」的隱形炸彈。它寧可說「我不確定」，也不會硬坳給你出事。這種特質，在現在這個AI四處漏水的時代，簡直就是一股清流。

價格迷思：$5/$25貴嗎？中國隊伍已經砍到見骨了

好，現在我們來聊那個很多人不敢講的話題：價格。中國這一波是真的殺紅眼了。DeepSeek V4 Pro直接來個75% discount——$0.435 per million input、$0.87 per million output。這個數字是什麼概念？Anthropic的Fast Mode要$10/$50，等於是中國隊的將近57倍貴。

各位，這不是「有一點差距」，這叫做「天與地的距離」。如果你是中型企業，每個月跑個幾百萬Tokens，選錯Model，月底帳單可能可以直接讓你去吃土。

但Anthropic顯然不是這樣想的。他們的論點是：「我們的安全標竿不一樣，我們的Coding能力不一樣，我們在Production環境中的Error Rate不一樣。」實際上也真的是這樣。以SWE-bench Pro來說，Opus 4.8打爆了兩個中國Model。在Alignment Benchmark上，更是連車尾燈都看不到。這些東西在Regulated Industries、法律、醫療、金融這種「一個錯就準備倒閉」的世界裡，值多少錢？各位自己算。

操作自由度：你想讓模型多努力，它就多努力

另外一個我個人覺得超級實用的功能是：Effort Control。現在你可以自己決定這次的模型要多「思考」。預設的「High」就能應付大多數任務；如果你要它火力全開、「Extra Mode」會把運算資源砸下去解決更難的問題；「Max」則是深海——適合那種需要頂級推理的時刻。反過來，如果只是想聊聊有的沒的、只是想生出個大概的Draft，「Low」和「Medium」會幫你省Token。

官方說High預設使用的Token數量和之前4.7差不多，但效果更好。這種「不加量不加價」的做法，不是Fantastic Engineering，就是出色的Marketing Message——我個人覺得兩者都是。

實測來了！三強編碼對決：誰才是真正的Code之王？

好，理論講完，實際來看。我們做了Coding Test：用同一個Prompt，要三個Model分別生成一個3D殭屍遊戲。設定是：Opus 4.8用Default High、GPT-5.5用High Effort、DeepSeek V4 Pro用High Effort。三個Model、一個Prompt、不準Retry。

結果？GPT-5.5最快完成，但那個遊戲沒有任何殭屍畫面，也沒有音效。快的意思是有，但完全沒抓到Brief。DeepSeek第二名，有Mouse Movement、有實際的殭屍角色、有Sound Effects、遊戲機制完整、整體的美感也很乾淨。這種表現，你很難嫌棄它。

Opus 4.8花了大約三倍的時間，但給出的 Splash Screen 最精緻、殭屍設計最到位、遊戲機制最完整，音效也是水準之上。慢，卻最好。

所以問題來了：那個「三倍時間」的成本，值得嗎？以現在的Pricing結構，如果是簡單任務，我想大部分人會說「不值得」。但如果你今天要交付的是要給Client看的Production Code、是百萬人等級的App——你會選哪個？答案很清楚。

結論：免費的升級，還要更多嗎？

說了這麼多，我的結論是：如果您已經在付$5/M Tokens，您其實什麼都沒多付，就得到了一個更強的Model。這波「漲價？」根本不存在。這種感覺，就像你買了一隻下跌的股票，結果公司宣佈免費送你一年的Premium Service。

但如果您是在意成本的中小型團隊、如果您的用例只是簡單的日常任務、現在的中國Model真的香的可以考慮。畢竟，省下的錢可以請好幾頓吃到飽，這年代大家都不容易。

Opus 4.8的出現，不是要消滅競爭對手，而是把「頂尖AI」的門檻再拉高。高費用、高安全性、高Coding能力——這三個圈要的交集，現在除了Anthropic，沒人給得起。如果您剛好在那個圈裡——這個Model，就是您的Answer。