5 月 28 日，Anthropic 把 Claude 的主力模型升上了 Claude Opus 4.8。

模型升級每隔一陣子就來一次，多數時候我會直接跳過。這次我停下來寫一篇，是為了兩件事。一是它在 agentic 能力上明顯更穩、更會做事；二是它在 Claude Code 裡開放了 Dynamic Workflows，可以一次指揮上百個 agent 同時幹活。這正是我這兩年一直在玩的多 agent 路線。

先講個透明的前提：小企鵝平常那位 AI 夥伴（也就是幫我跑稿、查證、整理檔案的底層模型），這兩天也跟著升上了 Opus 4.8。所以這篇文章某種程度上，是它在介紹自己。😅

這次升級，重點看這幾個

重點一句話
能力全面增強agentic 判斷更穩、寫程式時沒標註的錯誤比 4.7 少約 4 倍、工具呼叫更快更準；computer-use（直接操作瀏覽器、電腦）在 Online-Mind2Web 拿下 84%，目前最強
Dynamic WorkflowsClaude Code 新功能：Claude 自己規劃，一次開幾十到上百個平行 agent，驗證過才回報（本文後面有我的實測）
更誠實卡住會直接說不確定，不硬報進度；官方主打它是「目前最誠實」的模型
價格不變跟 4.7 同價（輸入每百萬 token 5 美元、輸出 25 美元），Fast 模式還更快更便宜

一句話總結：同樣的錢，換到一顆更能做事、也更老實的腦袋。對一般使用者最直接的好處是，你什麼都不用改，在 claude.ai 或 Claude Code 的模型選單選 Opus 4.8 就好。

能力增強：判斷更穩、寫扣更乾淨、還會自己操作電腦

這次最實在的進步，在「做事的可靠度」。官方評測說，Opus 4.8 寫程式時留下沒標註瑕疵的機率，比 4.7 少了約 4 倍；agentic 任務裡的判斷更穩，工具呼叫也更快更準。computer-use（讓 AI 直接操作瀏覽器、電腦的那種能力）也是目前數一數二強。

Anthropic 官方放了一張對照表，把話講得更清楚：

Claude Opus 4.8 與 Opus 4.7、GPT-5.5、Gemini 3.1 Pro 的官方 benchmark 對照表

表裡拿 Opus 4.8 跟自家 4.7、GPT-5.5、Gemini 3.1 Pro 對比。Opus 4.8 在 agentic 寫程式（SWE-Bench Pro 69.2%）、電腦操作（OSWorld-Verified 83.4%）、知識工作（GDPval-AA 1890 分）和金融分析上都領先 4.7 一截。不過它也有輸的項目：終端機寫程式（Terminal-Bench 2.1），GPT-5.5 的 78.2% 就贏過 Opus 4.8 的 74.6%。贏的地方贏、輸的地方也照實標出來，這點剛好呼應它主打的「誠實」。

這裡面我最看重的是「誠實」。當你把整段工作交給 AI 自己跑，真正可怕的是它會「裝懂」：明明沒做完卻很有自信地說搞定了，程式裡埋了一個 bug，照樣寫得理直氣壯，一句都不提。Opus 4.8 改的就是這件事，它更願意在卡住時說「這裡我沒把握」，不會在證據不足時硬報進度。多家媒體因此把它形容成 Anthropic「目前最誠實」的模型。

這聽起來很虛，對實際把任務派出去的人卻超有感。一個會舉手說「我沒把握」的助手，遠比一個永遠回你「都好了」的助手好用，因為你知道哪裡該回頭檢查。

effort 與 ultracode：一個老功能，一個新開關

effort（用力程度）這個概念其實不新。Claude Code 老使用者對 xhigh 應該不陌生，它決定 Claude 要花多少力氣想一題。4.8 把它整理得更明確：claude.ai 上也能直接調，分成預設（high）、extra（在 Claude Code 裡就是 xhigh）、max 三段。簡單記，簡單的事調低省 token，難題調高拚品質。

真正新、也最好玩的是 ultracode。你在 effort 選單把它打開，它會自動把 effort 設到 xhigh，並讓 Claude 自己判斷什麼時候該動用後面要講的 Dynamic Workflow。下面這段就是它在 Claude Code 裡實際跑的樣子：

真正的大招：Claude Code 的 Dynamic Workflows

如果說模型本身是「更能做事的腦袋」，那 Dynamic Workflows 就是這次最讓我興奮的「新手腳」。

先用白話解釋它在幹嘛。以前你叫 Claude 做事，是一個 AI 從頭做到尾。Dynamic Workflows 則是讓 Claude 先看懂你的需求、自己擬一份「分工腳本」，然後一次開出幾十到上百個平行 agent，把工作切塊同時處理。更妙的是它還會讓不同 agent 從不同角度切入、互相挑彼此的毛病，一路迭代到答案收斂為止，驗證過後才把結果交還給你。中途斷掉也會自動存進度，可以接著跑而不用重來。

CyberAgent 的工程師把它形容得很精準：它剛好補上了「丟一個 agent 出去」跟「自己搭一整支 agent 團隊」之間的那塊空白。

那它能做多大的事？官方舉的例子是把 Bun（一個 JavaScript runtime）的核心從 Zig 改寫成 Rust：75 萬行程式碼、11 天、現有測試套件 99.8% 通過。其他典型情境包括跨檔案的大規模程式碼遷移、整個服務的 bug 獵捕與資安稽核、找出沒人在用的死碼（dead code）。

幾個現實要先講清楚：

  • 哪些方案有：開放給 Max、Team、Enterprise（Enterprise 預設關閉，要管理員去設定裡打開），也走 API、Amazon Bedrock、Vertex AI、Microsoft Foundry。目前是 research preview（研究預覽）。
  • 很燒 token：用量明顯高於一般對話，官方建議先從一個範圍明確的小任務開始抓手感。
  • 怎麼開：有兩種方式。一是直接叫 Claude 幫你「建一個 workflow」；二是在 effort 選單打開 ultracode，讓它自己決定什麼時候動用。第一次觸發時會先問你確認。

實測：一句話，30 個 agent 翻修我 300 個設定檔

光講功能太空泛，給你看我昨晚自己跑的一輪。

我的 OpenClaw 整套核心設定檔（規則、canon、各種 workflow 文件）長年中英文混雜，我一直想全部統一成英文，但 300 多個檔案要一個個手改，光想就頭痛。這次我拿 Opus 4.8 的 Dynamic Workflow 來試：只用一句話描述目標，Claude 規劃完就一次開了 30 個平行 agent，把 300 多個檔案分下去同時翻修，自己驗證後收斂。

Dynamic Workflow 跑到一半的畫面：canon-translation 這個工作流的 30 個平行 agent，已經完成 28 個

上面這張就是跑到一半的當下：canon-translation 這個 workflow，30 個 agent 已經完成了 28 個。手動處理大概要耗掉我一整個下午，這次差不多一杯茶的時間就收尾。

老實說，能用一句話啟動「300 個檔案、30 個分身同時做」，這在以前我得寫一堆腳本才辦得到。不過我不會把它當全自動：平行 agent 還是會出錯，最後我習慣再用另一個模型家族交叉審查一遍，免得它自己審自己、漏掉問題。

還有一個細節特別有意思，我當場問了一句確認：這套東西可以「多層」疊。Claude 規劃完開出一批平行 agent，這些 agent 自己又會再往下叫一層別家的模型（像 GPT/Codex）去當探馬查證。同一個工作流裡，等於疊了好幾層、還跨了不同家的模型在分工。

問 dynamic subagents 會不會自己 spawn Codex，答案是會（探查階段的 subagent 各自起一個）

一般人現在能怎麼開始

  • 只是想用更好的模型：什麼都不用做，claude.ai 或 Claude Code 的選單選 Opus 4.8，價格跟以前一樣。
  • 想試 Dynamic Workflows：要 Max（或 Team / Enterprise）方案，從一個小而明確的任務開始（例如「幫我盤點這個資料夾裡所有沒被引用的檔案」），先看清楚它怎麼分工、會花多少 token。
  • 不確定 effort 怎麼挑：日常維持預設就好，遇到難題再往上加一階；想讓 Claude 自己拿捏，就打開 ultracode。

小企鵝的總結

這次升級，真正打動我的是它的方向感：把「誠實」當成主打，又把「一個人指揮一群 AI」這件事，變成在終端機裡一句話就能啟動的日常。

我會記住的一句話是：把事情交給 AI 的時代，一個敢說「我不確定」的模型，比永遠很有自信的值錢得多。 至於 Dynamic Workflows，我會繼續拿自己的系統當白老鼠，跑出更多坑再回來跟你分享。

想先把底層工具打穩，建議從 Claude Code 完整教學 開始；對「一個人怎麼指揮多個 AI」好奇，可以看我整理的 多 agent 編排心得。