Anthropic Frontier 可在FlowHunt中使用

Claude Opus 4.8

Claude Opus 4.8 是 Anthropic 开发并于 2026 年 5 月发布的一款最高层级前沿 AI 模型。它是专有闭源权重模型，可通过 Anthropic API 访问。100 万 token 的上下文窗口足以容纳整个代码库、长篇技术文档或长时间代理会话而无需截断。

查看更多
Claude Opus 4.8 于 2026 年 5 月 28 日发布，是在 Opus 4.7 基础上的一次针对性小版本升级，Anthropic 称其为"同等价格下的适度但切实升级"。此次发布节奏紧凑：Opus 4.6、4.7 和 4.8 均在同一日历季度内推出，反映出 Anthropic 向持续增量交付模式的转变。
在FlowHunt中试用 返回AI Leaderboard

基准测试

每项分数只显示一次，并标明其在已跟踪模型中的排名及测评方。

与同属Frontier档的模型在同一尺度下对比
  • Claude Opus 4.8本模型
  • GPT-6.1 Sol本模型在4项中领先0项
  • Grok 4.7本模型在5项中领先2项
已验证 独立评测机构，计入排名 自报告 由Anthropic发布，仅显示，不计入排名
综合

AA Intelligence Index

Independent composite of agent, coding, knowledge and science tests by Artificial Analysis (v4).

来源 ↗

Claude Opus 4.8 41.8 GPT-6.1 Sol 51.8 Grok 4.7 46.4
#15共45个 已验证
编程

DeepSWE

113 long-horizon software tasks written from scratch, graded by hidden tests.

来源 ↗

Claude Opus 4.8 59.0% GPT-6.1 Sol 无分数 Grok 4.7 71.0%
#11共17个 已验证

SWE-bench Pro

Real issues across several languages and large codebases.

Claude Opus 4.8 69.2% GPT-6.1 Sol 无分数 Grok 4.7 无分数
不参与排名 自报告

SWE-bench Verified

500 verified GitHub issues. Saturated at the frontier.

Claude Opus 4.8 88.6% GPT-6.1 Sol 无分数 Grok 4.7 无分数
不参与排名 自报告
智能体

Terminal-Bench 4.0

Multi-step professional tasks done by an agent in a command-line terminal.

来源 ↗

Claude Opus 4.8 21.7% GPT-6.1 Sol 56.1% Grok 4.7 25.8%
#17共36个 已验证
推理

Humanity's Last Exam

Expert-written questions across 100+ subjects, no tools.

来源 ↗另有：自报告 49.8% (no tools (Opus 5 system card Table 8.1.A))

Claude Opus 4.8 48.7% GPT-6.1 Sol 52.9% Grok 4.7 43.1%
#9共44个 已验证

GPQA Diamond

Graduate-level science questions that search cannot answer.

来源 ↗另有：自报告 93.6%

Claude Opus 4.8 92.0% GPT-6.1 Sol 无分数 Grok 4.7 无分数
#15共37个 已验证

ARC-AGI-2

Novel visual puzzles that cannot be memorised.

来源 ↗

Claude Opus 4.8 72.1% GPT-6.1 Sol 94.2% Grok 4.7 61.4%
#14共27个 已验证

Claude Opus 4.8 适合做什么

软件工程

它能解决真实的 GitHub Issue，用多种语言编写生产级代码，并处理多步骤代理编码工作流——是 AI 辅助软件开发团队的强力选择。

科学与技术推理

适用于科学文献综合、假设评估、医学和法律问答，以及需要深厚领域知识的多学科研究任务。

代理式 CLI 自动化

Terminal-Bench 衡量 Linux shell 任务的自主完成能力——包括包管理、文件系统操作、进程控制和多步骤系统管理——无需中途人工指导。

长文档与代码库分析

凭借 100 万 token 的上下文窗口，Claude Opus 4.8 可以在单次提示中处理整个软件仓库、长篇幅法律合同、书籍长度的研究报告或长篇对话历史——实现深度文档问答、跨文件代码库推理以及全面的摘要总结，无需分块策略或 RAG 流水线。

优势与局限

优势

  • 强大的软件工程能力
  • 研究生级别的科学推理
  • 代理式 Linux/CLI 自动化
  • 综合智能
  • 超长文档与大型代码库处理（100 万上下文）

局限

  • 闭源权重——无法自行部署或在私有数据上进行微调

在FlowHunt中使用

在任意流程中使用Claude Opus 4.8，并与你自己的工具和知识源搭配。

  1. 1打开一个流程，或从模板创建
  2. 2添加AI Agent或Generator组件
  3. 3在模型选择器中选择Claude Opus 4.8

相关 AI 模型

关于 Anthropic San Francisco, CA · 成立于 2021 · anthropic.com

Anthropic 是一家AI安全公司，由前OpenAI研究员Dario Amodei和Daniela Amodei，以及一群曾领导OpenAI安全和政策团队的同事于2021年共同创立。该公司的既定使命是负责任地开发AI，以实现人类长期利益，其研究议程也围绕这一承诺展开：宪政AI（CAI）——一种通过自我批判训练模型成为有用、无害且诚实的模型的技术；机械可解释性——旨在逆向工程大型网络中单个神经元和电路实际计算的内容；以及规模化科学——试图预测模型行为如何随算力和数据变化而变化。Anthropic公开了这些研究成果，并已成为学术文献中被引用最多的AI安全实验室之一。Claude是Anthropic的公开模型系列——以信息论创始人Claude Shannon命名——涵盖从Claude 1到Claude 5.5世代以及Claude Fable 5.1。Anthropic运营商业API和面向消费者的Claude.ai产品，并与AWS（Amazon Bedrock）和Google Cloud（Vertex AI）保持着深度云合作伙伴关系。

anthropic.com ↗

浏览完整 AI 模型排行榜

在编程、智能体和推理基准上比较所有收录的模型，每项分数都标明是经过验证还是厂商自报。

← 返回 AI 排行榜 在 FlowHunt 中试用

常见问题

了解更多

Claude Opus 4.7 — 基准测试、能力与应用场景
Claude Opus 4.7 — 基准测试、能力与应用场景

Claude Opus 4.7 — 基准测试、能力与应用场景

Claude Opus 4.7 是 Anthropic 开发的专有 AI 模型，属于 Frontier 级别，拥有 100 万 token 的上下文窗口。了解其基准测试分数、优势及推荐应用场景。...

2 分钟阅读
Claude Opus 4.6 — 基准测试、能力与使用场景
Claude Opus 4.6 — 基准测试、能力与使用场景

Claude Opus 4.6 — 基准测试、能力与使用场景

Claude Opus 4.6 是 Anthropic 开发的专有 AI 模型，属于 Frontier 层级，拥有 100 万 token 的上下文窗口。该模型可直接在 FlowHunt 中使用。了解其基准测试分数、优势及推荐使用场景。...

2 分钟阅读
Claude Fable 5 — 基准测试、能力与应用场景
Claude Fable 5 — 基准测试、能力与应用场景

Claude Fable 5 — 基准测试、能力与应用场景

Claude Fable 5 是 Anthropic 的专有 AI 模型，被归类为超级前沿层级，拥有 100 万 token 的上下文窗口。可直接在 FlowHunt 中使用。探索其基准测试分数、优势及推荐应用场景。...

3 分钟阅读