Transcript
00:00:00Anthropic 刚刚发布了 Claude Opus 4.8。
00:00:02所以在这个视频里，我将快速带大家过一遍
00:00:05有哪些变化，以及你需要关注的重点
00:00:08这个全新模型。
00:00:09让我们直接进入基准测试看看。
00:00:12这里高亮显示的是 Opus 4.8
00:00:14与 Opus 4.7、GPT 5.5 和 Gemini 3.1 Pro 相比，
00:00:20Opus 在几乎每一个类别中都全面胜出
00:00:24除了代理终端编程 (Agentic terminal coding)，
00:00:26也就是 Terminal Bench 2.1。
00:00:28在那里，它的得分是 74.6，
00:00:30这相比 Opus 4.7 仍然是一个巨大的飞跃，
00:00:34但依然落后于 GPT 5.5。
00:00:37但在其他方面，如 SWE Bench Pro、
00:00:40多学科推理、代理计算机使用、
00:00:42知识工作，以及代理财务分析，
00:00:45它都领先于其他竞争对手。
00:00:47当然，我们现在对基准测试都持保留态度，
00:00:49但看到它相比之前发布的 Opus 4.7 有这么大的跨越
00:00:53还是挺让人高兴的，
00:00:56距离上次发布也没多久。
00:00:57我的意思是，才过去几个月，
00:00:584.7 发布后我们现在就有了 4.8，
00:01:01代理编程得分从 64 提升到了 69。
00:01:04这真的很棒。
00:01:054.8 相比 4.7 的一大改进，
00:01:08根据 Anthropic 的说法，是它的诚实度。
00:01:11所谓的诚实，是指当你让这个 AI 模型
00:01:14去做某件事时，
00:01:15如果它做不到或者还没做，
00:01:18它会直接告诉你。
00:01:19如果你过去几年
00:01:20使用过这些模型，这真的很关键，
00:01:22你让它做某事，比如，
00:01:22嘿，看一下这个巨大的转录稿，
00:01:24认真阅读它并告诉我你做了什么。
00:01:27认真读完并告诉我你做了什么。
00:01:29当你查看它的输出结果
00:01:31它会说类似这样的话，
00:01:32好吧，我其实只是稍微总结了一下。
00:01:33我并没有读完全部内容。
00:01:35这简直是个大问题。
00:01:35如果你用 AI 进行任何实际工作，
00:01:37你就知道创建这些测试，
00:01:40确保它真的做了它声称在做的事，有多重要。
00:01:42但 Anthropic 表示，
00:01:46嘿，在 4.8 中这个问题可能就不会那么严重了，
00:01:47相比之前的一些模型。
00:01:50具体来说，他们表示，
00:01:51根据他们的评估，
00:01:52你可以在他们的系统卡片里看到，
00:01:54那份文件大约有 250 页长，
00:01:56他们说这表明 Opus 4.8
00:01:59比其前身漏掉其所写代码中的错误的可能性
00:02:01降低了大约四倍。
00:02:04所以再次强调，它会对什么是有效的、什么是无效的
00:02:07更加诚实，
00:02:09而且它不会对你进行煤气灯操控。
00:02:12他们还评估称，4.8 的未对齐行为发生率，
00:02:13例如欺骗或配合误用，
00:02:16都比 Opus 4.7 大幅降低，
00:02:18与 Mythos 相似。
00:02:21你可以从这里看到这些未对齐行为，
00:02:24Opus 4.7 尤其是 Sonnet 4.6
00:02:25会有一些这样的倾向，
00:02:28而在 Mythos 或 Opus 4.8 中，我们不太会看到这些。
00:02:31除了模型本身，
00:02:33Anthropic 还推动了一些其他更新。
00:02:35第一个是动态工作流。
00:02:36动态工作流与目标类似。
00:02:39其核心思想是，我们现在可以让 Claude 代码
00:02:41处理非常复杂的任务，
00:02:43它会随着时间推移去执行，
00:02:45在一个会话中自动生成
00:02:47并且它会随着时间推移去处理，
00:02:50在单次会话中启动数十到数百个并行代理
00:02:52大家都知道，即便你在规划模式下
00:02:53把任务拆解成许多子任务，
00:02:56也常常会遇到 Claude 代码难以一次性处理的情况。
00:02:57这个动态工作流就是为了解决这个问题，
00:02:59我很快会专门针对动态工作流做一期深度解析。
00:03:00对于 Claude Code 来说一次性处理的工作量太大了。
00:03:03这种动态工作流就是解决这个问题的方案，
00:03:05第一个是使用自然语言说：嘿，Claude，创建一个动态工作流，
00:03:06或者开启全新的 Claude 代码专用设置，
00:03:09名为 UltraCode。
00:03:11Claude.ai 的另一个重大变化，
00:03:12即聊天机器人和 Cowork 功能，
00:03:13第一种是用简单的语言说，嘿，Claude，创建一个动态工作流，
00:03:15或者开启名为 UltraCode 的
00:03:18新 Claude 代码专用设置。
00:03:20对吧？我们已经在 Claude 代码中使用过这个功能了，
00:03:22比如高、超高和最大这几种模式。
00:03:24现在这些设置也被加入到
00:03:26Claude.ai 和 Cowork 中了。
00:03:27最后，如果你是使用 Messages API 的用户，
00:03:30它现在可以在消息数组中接受系统条目。
00:03:31这真的很棒，
00:03:33因为你可以在任务进行中更新 Claude 的指令。
00:03:35这有点类似于 Codex
00:03:36以及当你提供额外提示时
00:03:38的引导功能。
00:03:39值得注意的是，Opus 现在默认采用高努力模式，
00:03:41而不是超高。
00:03:44回想 Opus 4.7
00:03:45展示给我们看的那个图表，
00:03:47他们当时告诉我们，
00:03:50嘿，超高努力模式是你想要追求的方向。
00:03:51所以只要记住 4.8 默认是高努力模式，
00:03:52如果你想让新模型投入更多精力，
00:03:54你还有两个更高级别可以调整。
00:03:57如果你在考虑 Token 使用量，
00:03:59他们已经增加了 Claude 代码中的速率限制，
00:04:00以适应更高努力级别带来的
00:04:01更高 Token 使用量，
00:04:03这真的很贴心。
00:04:05这就是全新的 Claude Opus 4.8 的简要概览。
00:04:07请记住，它与 Opus 4.7
00:04:09定价完全相同，
00:04:11所以你不需要为这种新的强大能力支付额外费用。
00:04:12一如既往，请告诉我你的想法。
00:04:14如果想获取我的 Claude 代码大师课，
00:04:16请务必查看置顶评论中
00:04:18的 Chase AI Plus。
00:04:20我们下次见。
00:04:21好了，这就是关于全新 Claude Opus 4.8
00:04:22的直观概述。
00:04:24请记住，它与 Opus 4.7 的价格
00:04:25完全相同，
00:04:26所以你无需为这种新的强大能力
00:04:28支付额外费用。
00:04:29一如既往，请告诉我你的想法。
00:04:31如果你想获取我的 Claude 代码大师课，
00:04:33请务必查看置顶评论中的
00:04:34Chase AI Plus。
00:04:35获取我的 Claude Code 大师课
00:04:36我们下次再见。
Community Posts
No posts yet. Be the first to write about this video!
Write about this video