5 月 28 日，Anthropic 把 Claude 的主力模型升上了 Claude Opus 4.8。
模型升级每隔一阵子就来一次，多数时候我会直接跳过。这次我停下来写一篇，是为了两件事。一是它在 agentic 能力上明显更稳、更会做事；二是它在 Claude Code 里开放了 Dynamic Workflows，可以一次指挥上百个 agent 同时干活。这正是我这两年一直在玩的多 agent 路线。
先讲个透明的前提：小企鹅平常那位 AI 伙伴（也就是帮我跑稿、查证、整理文件的底层模型），这两天也跟着升上了 Opus 4.8。所以这篇文章某种程度上，是它在介绍自己。😅
这次升级，重点看这几个
| 重点 | 一句话 |
|---|---|
| 能力全面增强 | agentic 判断更稳、写代码时没标注的错误比 4.7 少约 4 倍、工具调用更快更准；computer-use（直接操作浏览器、电脑）在 Online-Mind2Web 拿下 84%，目前最强 |
| Dynamic Workflows | Claude Code 新功能：Claude 自己规划，一次开几十到上百个并行 agent，验证过才回报（本文后面有我的实测） |
| 更诚实 | 卡住会直接说不确定，不硬报进度；官方主打它是「目前最诚实」的模型 |
| 价格不变 | 跟 4.7 同价（输入每百万 token 5 美元、输出 25 美元），Fast 模式还更快更便宜 |
一句话总结：同样的钱，换到一颗更能做事、也更老实的脑袋。对一般用户最直接的好处是，你什么都不用改，在 claude.ai 或 Claude Code 的模型菜单选 Opus 4.8 就好。
能力增强：判断更稳、写代码更干净、还会自己操作电脑
这次最实在的进步，在「做事的可靠度」。官方评测说，Opus 4.8 写代码时留下没标注瑕疵的概率，比 4.7 少了约 4 倍；agentic 任务里的判断更稳，工具调用也更快更准。computer-use（让 AI 直接操作浏览器、电脑的那种能力）也是目前数一数二强。
Anthropic 官方放了一张对照表，把话讲得更清楚：
表里拿 Opus 4.8 跟自家 4.7、GPT-5.5、Gemini 3.1 Pro 对比。Opus 4.8 在 agentic 写代码（SWE-Bench Pro 69.2%）、电脑操作（OSWorld-Verified 83.4%）、知识工作（GDPval-AA 1890 分）和金融分析上都领先 4.7 一截。不过它也有输的项目：终端写代码（Terminal-Bench 2.1），GPT-5.5 的 78.2% 就赢过 Opus 4.8 的 74.6%。赢的地方赢、输的地方也照实标出来，这点刚好呼应它主打的「诚实」。
这里面我最看重的是「诚实」。当你把整段工作交给 AI 自己跑，真正可怕的是它会「装懂」：明明没做完却很有自信地说搞定了，代码里埋了一个 bug，照样写得理直气壮，一句都不提。Opus 4.8 改的就是这件事，它更愿意在卡住时说「这里我没把握」，不会在证据不足时硬报进度。多家媒体因此把它形容成 Anthropic「目前最诚实」的模型。
这听起来很虚，对实际把任务派出去的人却超有感。一个会举手说「我没把握」的助手，远比一个永远回你「都好了」的助手好用，因为你知道哪里该回头检查。
effort 与 ultracode：一个老功能，一个新开关
effort（用力程度）这个概念其实不新。Claude Code 老用户对 xhigh 应该不陌生，它决定 Claude 要花多少力气想一题。4.8 把它整理得更明确：claude.ai 上也能直接调，分成默认（high）、extra（在 Claude Code 里就是 xhigh）、max 三段。简单记，简单的事调低省 token，难题调高拼质量。
真正新、也最好玩的是 ultracode。你在 effort 菜单把它打开，它会自动把 effort 设到 xhigh，并让 Claude 自己判断什么时候该动用后面要讲的 Dynamic Workflow。下面这段就是它在 Claude Code 里实际跑的样子：
真正的大招：Claude Code 的 Dynamic Workflows
如果说模型本身是「更能做事的脑袋」，那 Dynamic Workflows 就是这次最让我兴奋的「新手脚」。
先用白话解释它在干嘛。以前你叫 Claude 做事，是一个 AI 从头做到尾。Dynamic Workflows 则是让 Claude 先看懂你的需求、自己拟一份「分工脚本」，然后一次开出几十到上百个并行 agent，把工作切块同时处理。更妙的是它还会让不同 agent 从不同角度切入、互相挑彼此的毛病，一路迭代到答案收敛为止，验证过后才把结果交还给你。中途断掉也会自动存进度，可以接着跑而不用重来。
CyberAgent 的工程师把它形容得很精准：它刚好补上了「丢一个 agent 出去」跟「自己搭一整支 agent 团队」之间的那块空白。
那它能做多大的事？官方举的例子是把 Bun（一个 JavaScript runtime）的核心从 Zig 改写成 Rust：75 万行代码、11 天、现有测试套件 99.8% 通过。其他典型情境包括跨文件的大规模代码迁移、整个服务的 bug 猎捕与安全审计、找出没人在用的死代码（dead code）。
几个现实要先讲清楚：
- 哪些方案有：开放给 Max、Team、Enterprise（Enterprise 默认关闭，要管理员去设置里打开），也走 API、Amazon Bedrock、Vertex AI、Microsoft Foundry。目前是 research preview（研究预览）。
- 很烧 token：用量明显高于一般对话，官方建议先从一个范围明确的小任务开始抓手感。
- 怎么开：有两种方式。一是直接叫 Claude 帮你「建一个 workflow」；二是在 effort 菜单打开
ultracode，让它自己决定什么时候动用。第一次触发时会先问你确认。
实测：一句话，30 个 agent 翻修我 300 个配置文件
光讲功能太空泛，给你看我昨晚自己跑的一轮。
我的 OpenClaw 整套核心配置文件（规则、canon、各种 workflow 文档）长年中英文混杂，我一直想全部统一成英文，但 300 多个文件要一个个手改，光想就头痛。这次我拿 Opus 4.8 的 Dynamic Workflow 来试：只用一句话描述目标，Claude 规划完就一次开了 30 个并行 agent，把 300 多个文件分下去同时翻修，自己验证后收敛。
上面这张就是跑到一半的当下：canon-translation 这个 workflow，30 个 agent 已经完成了 28 个。手动处理大概要耗掉我一整个下午，这次差不多一杯茶的时间就收尾。
老实说，能用一句话启动「300 个文件、30 个分身同时做」，这在以前我得写一堆脚本才办得到。不过我不会把它当全自动：并行 agent 还是会出错，最后我习惯再用另一个模型家族交叉审查一遍，免得它自己审自己、漏掉问题。
还有一个细节特别有意思，我当场问了一句确认：这套东西可以「多层」叠。Claude 规划完开出一批并行 agent，这些 agent 自己又会再往下叫一层别家的模型（像 GPT/Codex）去当探子查证。同一个工作流里，等于叠了好几层、还跨了不同家的模型在分工。
一般人现在能怎么开始
- 只是想用更好的模型：什么都不用做，claude.ai 或 Claude Code 的菜单选 Opus 4.8，价格跟以前一样。
- 想试 Dynamic Workflows：要 Max（或 Team / Enterprise）方案，从一个小而明确的任务开始（例如「帮我盘点这个文件夹里所有没被引用的文件」），先看清楚它怎么分工、会花多少 token。
- 不确定 effort 怎么挑：日常维持默认就好，遇到难题再往上加一档；想让 Claude 自己拿捏，就打开 ultracode。
小企鹅的总结
这次升级，真正打动我的是它的方向感：把「诚实」当成主打，又把「一个人指挥一群 AI」这件事，变成在终端里一句话就能启动的日常。
我会记住的一句话是：把事情交给 AI 的时代，一个敢说「我不确定」的模型，比永远很有自信的值钱得多。 至于 Dynamic Workflows，我会继续拿自己的系统当小白鼠，跑出更多坑再回来跟你分享。
想先把底层工具打稳，建议从 Claude Code 完整教程 开始；对「一个人怎么指挥多个 AI」好奇，可以看我整理的 多 agent 编排心得。