◆ 模型舱

Claude Opus 4.8 评测：能力第一梯队，但闭源不可本地部署

查看模型详情 →
结论：不推荐
优点
  • ✓ 编程 / Agent 顶尖：SWE-bench Pro 69.2%（领先 GPT-5.5 / Gemini 3.1 Pro）、FrontierSWE 83% 登顶、知识工作 GDPval-AA 1890 Elo（官方 / EdenAI）
  • ✓ 诚实性显著提升：主动报告代码缺陷概率比 4.7 高 4 倍，更愿说"我不确定"（官方技术报告）
  • ✓ 1M 上下文 + 多模态输入（文本 / 图像 / 音频 / 视频）
  • ✓ 动态工作流单次最多 1000 个子 Agent 并行处理大规模代码迁移（官方）
缺点
  • ✗ 闭源专有，权重不公开，**根本无法本地部署**，只能通过 Anthropic API / Claude Code / AWS Bedrock / Vertex AI 调用（llm-stats / explainx.ai 标注 closed source）
  • ✗ API 贵：输入 $5 / 输出 $25 每百万 token，新 tokenizer 使同文本 token 数涨 30-35%，实际成本更高
  • ✗ Terminal-Bench 2.1 74.6% 被 Sonnet 5（80.4%）和 GPT-5.5（78.2%）反超；SuperCLUE 指令遵循从 56.19 降至 44.76（降 11 分）
  • ✗ 开源替代逼近：DeepSeek-V4-Pro（SWE-bench 80.6%）、GLM-5.2（74.4%）已接近，且可本地部署
适合场景：云 API 复杂软件工程与代码库级任务（企业级、预算充足）、高诚实度 / 低幻觉的专业写作、法律 / 金融分析、Claude Code 动态工作流大规模代码迁移、1M 长上下文文档分析——但都走 API，非本地

本文基于公开资料综述（智谱 / DeepSeek / Kimi 3 家 AI 采集交叉一致，2026-07-20），非实机测试。

① 公开证据综合

Claude Opus 4.8 是 Anthropic 2026-05-28 发布的旗舰闭源模型，定位”面向复杂推理、长周期 Agent 编码、高自主性工作”（官方技术博客）。其上方还有更贵的 Fable 5（$10/$50）。

编程与 Agent 是其强项：SWE-bench Pro 69.2%（显著高于 Opus 4.7 64.3%、GPT-5.5 58.6%、Gemini 3.1 Pro 54.2%）、FrontierSWE 83% 登顶、知识工作 GDPval-AA 1890 Elo（领先 GPT-5.5 1769）。LMSYS Arena Elo 约 1510，稳居第一梯队（官方 / EdenAI / LMSYS）。

诚实性是差异化卖点：主动报告代码缺陷概率比 4.7 高 4 倍（漏报降 4 倍），更倾向标注不确定，欺骗行为发生率接近 Mythos Preview 水平（官方）。SuperCLUE 中文评测代码生成 83.58、幻觉控制 87.48 均全球第一（DS）。

但部分维度被反超：Terminal-Bench 2.1 74.6%，低于 GPT-5.5（78.2%）和 Sonnet 5（80.4%）；SuperCLUE 指令遵循从 4.7 的 56.19 降至 44.76（降 11 分）——终端编程与指令遵循有退步（DS）。

② 与同类模型横评

③ 本地部署建议与 verdict

能不能本地跑？根本不能。 Opus 4.8 代码与权重均不开源，无任何官方 / 社区本地部署路径，只能通过 Anthropic API / Claude Code / AWS Bedrock / Vertex AI 调用（3 家一致，llm-stats / explainx.ai 标注 closed source）。任何”本地跑需 XX GB 显存”的说法均属推测，不应采信。

Verdict：not-recommend（不推荐本地）。 Opus 4.8 能力确属第一梯队、诚实性突出，但作为闭源模型根本不满足”本地部署”需求；API 高价且新 tokenizer 进一步抬升实际成本；同时 DeepSeek-V4-Pro / GLM-5.2 等开源模型编程能力已逼近且可本地。仅推荐预算充足、必须用 Claude 生态（Claude Code / Computer Use / MCP）完成复杂 Agent 工作流的企业通过云 API 使用——本地部署场景应选开源权重模型。