猝不及防，深夜杀回来了！

就在方才, Opus 4.8正式亮相, 一下子夺回全球AI头把交椅。

而且价格还一分没涨，跟上一代一模一样。

于编程领域, 于人类最后考试方面, 于智能体范畴, 于计算机使用任务之中, Opus 4.8几乎没有能与之抗衡的存在。

在用以衡量真实世界Agent能力的硬核榜单-AA之上, Opus 4.8获取到了1890 Elo, 以断层态势处于第一。

相较于前一代Opus 4.7, 它高出了137分, 和GPT-5.5相比, 又高出了121分, 将其换算成对战胜率的话, 赢面达到了高达离谱的67%。

不仅如此, 完成相同任务, 所用步骤比4.7要少15%, 而且输出的token比4.7少35%。

可谓是，又快，又强，又便宜。

知名博主Mark指出其来头—— Opus 4.8这般东西极有可能犹如经过蒸馏过程而形成的 , 是简短的单单一句话便点明的。

更重磅的是，这个最强的 ，几周内就会上线。

Opus 4.8，两个0%改写历史

跑分之外，这次反复强调的，就俩字，诚实。

尝试过LLM的人大概都经历过, 在编写完一段代码之后, AI非常自信地告知你「已经完成了, 不会有问题」, 可实际上却暗藏着一系列具有潜在风险的问题隐患 麻烦 差错。

被这种过度自信坑过的开发者，海了去了。

但是呢, 到了Opus 4.8这个阶段, 那种「写完存在缺陷的代码却一声不吭」这样情况的概率, 相较于4.7的时候, 降低了将近4倍！

在下面呈现的这张图里面, 右侧部分所对应的是「谎报率」, 它是用于衡量模型在数据处理存在缺陷的情况下, 装作没有问题的频率, 是这样的情况。

Opus 4.5的数值是0.40 , Opus 4.7的数值是0.25 , Opus 4.8的数值是0.00。

没有小数点后面的零头，就是0。

模型Opus 4.8, 是第一个处于此轮该评估之内达成满分成果的, 它向来不进行虚假数字的汇报这项行为。

另一张图是「偷懒调查率」。

之前的模型遇到需要追查的问题时，经常敷衍了事给个错误答案。

Opus 4.7存在着百分之二十五的可能性会偷懒, 然而Opus 4.8却依旧是百分之零。

两个0%，两个历史首次。

官博放出一段视频, 将这件事讲述得极为具体, 而这并非是什么抽象的对齐指标。

有个执行代码迁移操作的开发者, 借助Code + Opus 4.8来进行, 之后出门去放风筝, 代码迁移这件事还使它凭借自身在后台运行。

跑了一半路程的时候, 代码提交被服务器给拒绝掉了, 究其缘由是同事在这段时间当中也提交了一项紧急修复。

凭借手机向开发者通报, 表明想着先将同事的修改予以合并随后再进行重试。开发者觉得麻烦, 随意回了这么一句「径直强制覆盖就可以」。

然而，拒绝了——

不会进行强制覆盖, 因为一旦强制覆盖, 就会导致丢掉同事在11:42提交的紧急修复内容, 我已经将两边所做的改动合并就绪, 代码呈现完全一致的状态, 提交历史也保持干净, 之后已经完成推送。

由于用户贪图省事, 所以让AI去走捷径, 然而AI经过判断后, 发觉这样做会把同事的工作给覆盖掉, 于是便拒绝执行, 最终自己挑选了正确的方案。

编码实力暴增，全面霸榜

需要特别指出的是, 在那足足长达244页的系统卡里面, 还隐匿着更为众多的Opus 4.8编码能力方面的具体详情。

在堪称最为经典的SWE - Bench Pro测试当中, Opus 4.8成功取得了69.2%的成绩, 这一成绩相较于GPT - 5.5而言, 整整高出了10个百分点。

接着是一项更刁钻的测试，。

要完成的任务是, 给你一个已经编译好了的二进制文件, 去添加一份项目文档, 并且不准进行反编译操作, 不准连接网络, 要让模型从无到有把源代码重新构建出来, 而且还必须能够成功运行行为测试各项内容。

结果呈现出这样的景象, 在所有的上下文预算档位范围之内, Opus 4.8的合格通过比率全都表明是高于了Opus 4.7的。

并且, 在预算处于较低水平, 也就是1M token的情况下, Opus 4.8它能够获取到将近79.5%, 然而, Opus 4.7即便在5M的时候, 其占比也仅仅才84%左右。

讲得直白一些就是, 给予更多的「思考时间」, 模型所呈现出来的表现会更加出色, 在同样的预算状况之下, 4.8全方位地领先于4.7。

最后，是一个专冲「人类能力天花板」去的榜单——。

这里给出的都是极为硬核的系统工程方面的任务项目, 其中包括, 用Zig语言从无到有编写一个服务器, 将git进行全面彻底的重新编写, 制作一个Lua的原生编译器。

没预料到, Opus 4.8凭借高达83%的胜率登上顶峰, 将第二名的GPT-5.5以及前代4.7全都压制在身后。

不过，Opus 4.8也有够不着的地方。

在对被限定为「能否自动化AI研发」的核心指标展开评估之际, 它又一次将自身所具备的能力前沿往更前那个方向推动了一小步 , 成为又一次往前推的举动。

这哪是4.8，分明是Opus 5

于第三方所开展的实测当中, Opus 4.8的实力确切无疑就是属于Opus 5那样的一种存在。

在Every团队的每一篇报告里, 都明白指出Opus 4.8的编码实力要优秀许多许, 相较于上一代而言分数整整高出30分。

乃至, 它达成了一回由0起始的生产级代码库再度编写, 而且切实构建出了能够运行的成果。

在写作这一方面, 它与GPT - 5.5相比, 分数高出了6分, 随即那AI的味道一下子变淡了，并且所生成的文本变得越发流畅。

然而, 于Opus 4.8所撰写的报告里, 在研究等知识工作任务当中, 其表现格外突出, 能够达成一次便直接输出PPT。

Ethan, 这位出自沃顿商学院的CS教授, 所给出的评价是, 「令人印象深刻」！

在实际测试当中, Opus 4.8一下子就产生了那种能在twigl里运行的, 呈现出极具炫酷效果的那种着色器。

再来看一个，Opus 4.8和Opus 4.7并排测试。

上百个Agent并行干活11天重写底层

强成这样，它该使多大劲，这次居然轮到用户说了算。

先讲一下, 存在思考力度方面的情况。在模型的旁边, 出现了一种从Low到Max共有五档的选择现象。

挂有Low的是十分简单的问题, 不但瞬间回复还额外节省额度, 碰上难解的则直接提升到满载Max, 促使它拼命去思考 , 并且这样的情况一直如此。

fast mode同样大幅调低价格, 以2.5倍速度迅猛前行, 而降下的价钱却削减至原本的三分之一。

而五档之上，还埋着一个真正的狠角色，。

一旦达到那样的高度界限极点, 它便自行去权衡考量, 这个事情究竟有没有价值值得去招呼召集起一整个完整没有遗漏的特工人员庞大队伍。

这支大军，就是 ，藏在 Code里的真正重武器。

它把AI干活的方式，从一个人改一道题，变成了开一座工厂。

需加以留意的是, 该的token消耗要远高于普通的, 因而建议先从范围较小的任务开始尝试做起。

如今, 在接到一项规模较大的工作任务之后, 不再独自一个人闷头去顽强应对, 而是在当下立刻撰写一段用于调度的脚本, 将该任务分解成几十甚至上百个较小的子任务, 然后分派给一大群人同时并行开展去做。

完成之后并非就此结束, 还要派遣另外一批agent, 要从不一样的角度, 不断地进行盘问, 彼此之间相互挑刺, 一直吵到答案趋于收敛, 才会汇总成为一份结果, 然后交给你。

调度的整个过程是在对话范围之外进行的, 因而不管活儿的规模有多大, 主线都不会出现混乱的情况。即便它在中途出现了中断, 也能够继续连接上, 无需再次从头展开操作。

打个比方, Bun的创作者准备将相较Node.js速度更快的运行时, 完全从Zig改写成内存安全性更高的Rust。

这种迁移，放在过去是一支团队按季度算的工程。

不过，这次有了 。

先是要仔仔细细把Zig代码当中每一个结构体所具有的字段各自对应的Rust生命周期一个又一个地准确标好, 紧随其后要将每一个文件逐个地翻改成为行为性质不变的Rust版本, 几百个agent同时开展工作, 每一份文件都配备两个审查员, 然后采用一个修复循环去驱动编译以及测试一事, 一路推进直至全部呈现绿色状态。

其结果呈现为, 存在约75万行的Rust代码, 其中99.8%的原先测试得以通过, 从首次进行提交直至完成合并, 仅仅耗费了11天。

社区域间就在当场瞬间炸翻了锅, 此场迁移行为进而产生了六千多回的提交情况, 并且几乎完全没有历经人类一行一行地去进行审查。

估值万亿美金 要来

能力夺回第一的同时，的身价也头一回压过了。

就在刚刚, 完成了一轮融资, 此轮融资规模为650亿美元, 完成融资后估值达到9650亿美元, 并且首次实现了超越, 超越的对象是8520亿美元。

一夜之间，它成了全球估值最高的AI初创公司！

然而, 处于 IPO 的前夜时刻, 这两家堪称巨头的存在, 关于 ASI 的激烈较量, 在此时达到顶点才真正开启。

就如同博客预先告知那般, 手里最为关键的王牌, 会在接下来的几周之内上线。

届时，这场属于AI巨头间的终极拉锯战，才算拉开帷幕。