跑分也就是模型的基准测试,这个咱们不过多展开。
相信大家都能理解,大模型每次迭代,多多少少都会为了追赶行业跑分做一些针对性的优化,最后拿出来的海报也基本上都是“赢麻了”的姿态。
不过,这次官方的数据里还是保留了一些诚实的成分。
在 Agentic terminal coding(终端代码能力)这一项上,Opus 4.8 的跑分是 74.6%,虽然比 4.7 的 66.1% 提升了不少,但面对隔壁 OpenAI 的 GPT-5.5(78.2%),依然稍逊一筹。
这项指标比拼的是几个大模型在终端里直接干活的能力,比如让它去整理文件、写代码、处理复杂的环境依赖、调试项目或者看日志。如果你日常重度依赖 AI 帮你跑终端任务,这点细节可以作为参考。
当然,除了看这些冷冰冰的跑分,对于我们这些天天跟工具打交道的人来说,更实际的永远是使用成本。
二、新模型的价格如何?
看完性能数据,小灰顺手去翻了一下它在 OpenRouter 上的 API 价格。
拿它和目前几款主流模型横向对比,其中的价格差异就很有参考意义。
Opus 4.8 的价格和 GPT-5.5 基本在一个水平线上,输入 5 美元/M tokens,输出 25 美元/M tokens。
但是,如果我们把视线拉到最近同样很火的 DeepSeek 身上,这个使用成本的区别就有点过于扎眼了。
同样是高水平的推理模型,DeepSeek V4 Pro 的输入只要 0.435 美元/M tokens,输出 0.87 美元/M tokens。
它的多项评测成绩高出竞品十几分,作为个人开发者或中小团队,你是否愿意为这份优势承担近十倍的使用成本?
这确实是值得运营者和老板们好好掂量的一件事。
当然,如果未来它的成本能向 DeepSeek 看齐一下,那自然是最完美的。
三、 “思考深度”调节开放,可以像手动挡一样调速了
除了底层的价格和跑分,这次更新有一个前端页面上的变化,小灰觉得非常实在。
Claude 直接在操作界面中,将思考深度(Effort)功能开放给普通用户使用。
操作方式也很简单,首先打开 Claude 页面:https://claude.ai/new
选中最新的 Opus 4.8 模型后,将鼠标悬停在 Effort 选项上,就能调节思考深度。
这个功能以往通常只在写代码调用 API 的时候才能控制,现在普通用户可以直接在页面上像换挡一样手动调节。你可以从 Low、Medium、High 一路调到 Extra 和 Max。
如果不想动脑筋,也可以直接选 Adaptive thinking(自适应思考),让 AI 自己去根据问题的难易程度判断需要多深的思考。
这个改动聪明在什么地方呢?
官方也明确提示:思考深度越高,回答越详尽,耗时也越久,额度消耗速度也会相应加快。
现在交给我们自己来选,平时闲聊或者处理简单排版,调到 Low 就能省下
不少额度;遇到真正的硬核逻辑或者复杂代码,再拉到 High 或者 Max,灵活度高了很多。
日常问答时,即便将思考深度设为 Low,模型也能轻松识破简单的逻辑陷阱。
小灰尝试向 Opus 4.8 提了两个刁钻的问题,以前的许多AI模型都曾经在这两个问题上面翻过车,这一次我们来看看新模型的回答质量。
问题1:洗车店离我家50米远,我去洗车,建议开车去还是走路去?
问题2:9.11和9.9,哪个数字更大?
从图中可以看到,Opus 4.8 并没有被问题绕进去,回答得还算不错。
顺便提一句,现在它还支持了 fast 模式。通过 Claude Code 输入 /fast 就可以直接开启,速度能提升 2.5 倍左右,消耗的额度只有没开前的三分之一。
四、顺手做了个测试:让它写个“发泄压力”的网页小游戏
光看这些纸面上的功能和跑分还不够直观,小灰顺手用新模型做了一个实操测试。
我给它提了一个稍微有点复杂的交互需求。
实现一个基于物理交互、用于发泄压力的网页小游戏,一个小人在水平线的中间位置,用户通过鼠标与画面中的小人进行碰撞和鼠标点击的攻击互动,小人会根据鼠标的运动方向和力度产生真实的物理反馈效果,帮助用户释放压力。
可以连续触发碰撞和攻击效果,在互动停止一段时间后,小人自动复位到画面中心。
按照往常的经验,小灰本来做好了要跟AI进行多轮对话、反复改 Bug 的准备。结果 Opus 4.8 只用了一轮对话,就交出了一个完成度极高的版本:
不仅如此,AI 甚至在没有我提要求的前提下,主动做了一堆拉满体验的细节:
- 交互特效:
连续点击不仅有受力叠加,它还自己配上了粒子溅射和屏幕抖动的视觉反馈。 - 细节把控:
被揍时小人的眼睛会自动变成“X”或“O”,甚至左上角还自带了一个“压力条”血槽,会随着打击感起伏。 - 优雅复位:
停止互动大约 1.5 秒后,小人会带着带阻尼的弹簧算法,顺滑地把自己“拉”回画面中心,并且自己站起来。
在它交付代码前,我能从深度思考记录里看到:它先在后台调用 Node 环境,完成了语法与可用性自检。
这种能自己写、还能自己跑自检的兜底机制,确实坐实了官方宣传的独立工作能力。
当 AI 变得如此省心,我们唯一需要关心的,就是使用额度是否充足。
五、额度终于不那么抠了,Pro 订阅多送 50%
最后聊一个直击所有 Pro 订阅者痛点的福利。
之前用过 Claude Pro 订阅的朋友应该都有过这种尴尬:有时候遇到个稍微长一点的任务,或者让它改几轮复杂代码,还没聊几句,啪一下,立刻就提示你到达了当前会话的额度上限。
这次小灰留意到,可能是因为近期一直被隔壁的一些竞品赶超,Claude 终于大方了一回。
自即日起一直到 7 月 13 日,Claude Code 的每周限额将直接增加 50%。这个限额调整已经自动应用到了所有 Pro、Max、Team 以及企业用户的账户里,不再需要我们手动去申请或者勾选白名单。
这 50% 的额外额度,算是狠狠弥补了一下之前动不动就卡额度的尴尬体验。
小灰亲测了 Claude Code 的额度消耗速度,其跑完5小时的额度消耗,相对于一周的限额量,占比仅仅8%。
按照以往使用情况,同等时长的使用量,之前大约会占用周额度的 20%,差距还是蛮大的。
如此一来,我们终于可以放开使用 Claude Code 的额度了。
六、写在最后
总的来说,这次 Opus 4.8 的突袭并不是虚晃一枪的造势,它带来的改动都踩在实际的使用体验上。
无论是更自由的思考深度调节,还是实打实的额度扩容,都在让我们用起来变得更顺手一点。
如果你手里也有 Pro 账号,现在就可以切换到 Opus 4.8 模型,尝试几个平时觉得棘手的复杂任务,看看它的长时间独立工作能力,到底有没有官方吹得那么神。
好了,关于 Claude Opus 4.8 模型的第一手测评,我们就聊到这里。欢迎大家留言说说自己的看法,也欢迎大家点赞、转发和关注。
我是程序员小灰,我会持续为大家分享最新的AI工具和AI副业经验。如果想第一时间收到推送,也可以给我个星标⭐我们下次再见~~

