Opus 4.8 对比 4.7：几个真实任务里差在哪

Todd Saunders 在 X 上问了一句很实际的话：你今天在用 Opus 4.8 的话，跟 4.7 比，最大的体感差是什么？榜单数字先放一边，要真实任务里的例子。帖子下面几百条回复，方向其实挺集中。下面按「你会碰到的活」拆，并给一套自己测的办法，别只看别人转述。

官方发布说明：https://www.anthropic.com/news/claude-opus-4-8

单次问答经常感觉差不多

改一个明确 bug、写一段函数、问一句 API 怎么用，4.8 和 4.7 的差距经常摸不出来。Anthropic 自己也把这次更新写成 modest but tangible：能摸到，但不是换代。

差主要出现在代理自己连着干很多步的时候。SWE-Bench Pro 从 64.3% 到 69.2%、带工具的综合推理从 54.7% 到 57.9%，说的都是这类长跑，不是一问一答。Terminal-Bench 2.1 从 66.1% 到 74.6%，终端里多步干活的提升更明显。价格没动：常规还是每百万 token 输入 5 美元、输出 25 美元。模型 ID 换成 claude-opus-4-8 就能试。

真实任务里通常差在这四处

1. 它会不会把自己写的坑说出来

官方评估里，4.8 让自己代码里的缺陷悄悄过关的概率，大约是 4.7 的四分之一。Early testers 的说法更口语：它更会问该问的问题，计划不靠谱时会顶回来，大改之前会先把多服务的情况摸清楚。

这对无人值守的 agent 循环最要紧。人会看每一份 diff 的时候，4.7 也能用；夜里让它自己改、自己测、自己交的时候，4.8 的价值就是少一次「看起来过了、其实埋了雷」。它不会替你省掉 review，只是把底抬高一点。

2. 该调的工具会不会被跳过

4.7 有个常见抱怨：任务明明需要读文件、跑测试或查库，它偶尔不调那个工具，直接往下编。4.8 这边，官方和 Cursor 的评测都提到工具调用更干净，同样智力水平用的步数更少，DeVin 那边也点名修了 4.7 的 comment 太啰嗦和漏调工具。

体感就是：五六步的编排里，中间那步数据库查询或测试命令更不容易被默默丢掉。工具步数下来，单次任务的时间和 token 往往也会少一点。

3. 长会话会不会跑丢

4.8 更能把上下文和文风带着走。以前为了防止 compaction 之后跑偏，你可能把大活拆成好几个短 session；现在可以先拿一个两小时级别的迁移或排虫试试看，看它还记不记得你定的约束。Messages API 这次还允许在 messages 数组里中途插一条 system，改权限、改预算、改环境，而不把 prompt cache 打掉。长跑中途改规则，不用整段重来。

4. 大仓库迁移是另一档能力，别和「模型变聪明」混在一起

跟 4.8 同一天进 Claude Code 的 Dynamic Workflows，可以在一次会话里拉上百个并行子代理，再用现有测试当验收。这是产品功能，不是 4.8 权重里多出来的那 5 个点。Pro 用户默认可能没开，Max / Team / Enterprise 才是研究预览范围。怎么开 /ultracode 我们另写过一篇，这里只提醒：测 4.8 模型本身时，先关掉 swarm，否则你分不清是模型好了还是编排变了。

自己测：10 到 20 个自家任务就够

别人的帖、Reddit、官方榜都不能替你的仓库说话。两边用同一套 prompt、同一份 CLAUDE.md / AGENTS.md、同一组工具，跑你最近真实做过的活：修 bug、加功能、重构、看 diff。每条记下：

做完了没有
调了几次工具
花了多少 token
测试过了没有
merge 前要不要返工
有没有自己标「这段我没把握」

重点看两类信号。一类是 4.8 有没有把 4.7 会直接交的坑标出来。一类是长任务的步数和总 token 有没有下来。默认 effort 在 4.8 上仍是 high，官方说写代码时 token 消耗和 4.7 默认差不多，但结果更好。难活再把 Claude Code 里的 effort 提到 xhigh 或 max。别一上来就全开满，否则你测到的是「更贵的思考」，不是「换模型」。

Fast mode 大约 2.5 倍速，标价每百万输入 10、输出 50，比上一代 fast 便宜大约三倍。交互里等不及可以开；当评测基准时先关，避免把速度档和模型档搅在一起。

怎么切，以及什么时候先别切

API 里把模型 ID 换成 claude-opus-4-8。用环境变量钉住，回滚就是改回去重发一版：

text

# 原来
export ANTHROPIC_MODEL=claude-opus-4-7

# 换成
export ANTHROPIC_MODEL=claude-opus-4-8

Claude Code 里直接选 Opus 4.8。opus 别名现在会指到 4.8。

可以先别切的情况也很清楚：你主要是单轮问答；prompt 是按 4.7 的脾气调出来的，这周没有回归测试的时间；合规环境必须走完整验证；正在发版，不想中途换模型。4.7 没坏。换之前至少用上面那组任务在非关键路径跑一遍。

如果你已经把 4.7 漏调工具的毛病写进了 prompt workaround，换完要重跑 eval。行为变好也会让「补偿用的那句指令」变得多余，偶尔还会把输出格式带偏。

小结

单次问答：差往往不明显
长代理、多工具、无人值守写码：4.8 更会标自己的坑，更少跳工具，长会话更稳
价格没变，模型 ID 一换就能试
用自家 10–20 个任务对比，别拿榜单当结论
Dynamic Workflows 是同期功能，测模型时先关掉

官方说明：https://www.anthropic.com/news/claude-opus-4-8
安装 Claude Code：curl -fsSL https://claude.ai/install.sh | bash