Anthropic Claude Opus 4.8全球上线：SWE-Bench Pro 69.2%+"dynamic workflows"数百微数字代理并行+100万token默认上下文

旗舰模型再抬一档，抬的是能自己做完的软件任务。7月11日，Anthropic发布Claude Opus 4.8。

Anthropic做Claude系列。4.8的定位是复杂、周期长的软件工程和智能体流程，重点在更少的人工盯守，以及更少把错代码当成通过。智能体流程，白话就是模型自己拆任务、调用工具、检查结果，而不是每一步都等用户按回车。

公开的能力点：

1. dynamic workflows：在Claude Code里部署数百个微代理并行处理，把大代码库拆开，验证后再合并输出。
2. 静默错误下降：有缺陷的代码被当成通过的可能性，比前代低约4倍。
3. SWE-Bench Pro得分69.2%，跨领域推理同步提升。这项基准考的是真实软件任务能不能做完。
4. effort control：用户可以调推理深度。难的任务加深，要低延迟的任务放浅，用来省API额度。
5. 默认上下文100万token，定价层级与前代相同。token是上下文和计费的单位，100万意味着长代码库更不容易被截断。

同一天，Background Tasks扩展到手机。用户在网页或移动端安排长时间任务，后端跑完后用推送通知决策点或结果，不必一直开着连接，桌面和手机可以同步。7月9日还发布了测试版Claude Reflect，四个维度是任务委派、目标描述、结果辨别、责任审慎，可以回看过去1、3、6、12个月的聊天并生成使用总结。

原文把这三件套写成一条不同的路线：相对OpenAI的产品矩阵和企业集成，Anthropic强调可审计、可解释、可控制。背景里提到J-lens论文揭示Claude内部存在“全局工作空间”。论文细节原文没有展开，不能把4.8说成已经把这篇论文变成产品开关。

100万token做成默认上下文，而且定价层级与前代相同，长上下文就不是单独加价项。effort control让用户在加深推理和节省额度之间切换。Background Tasks把长任务从必须开着电脑，变成做完再通知，桌面和移动端可以同步。Reflect仍是测试版，回看的是过去1、3、6、12个月的使用总结，不是一款新的旗舰模型。69.2%只说明SWE-Bench Pro这一项。

69.2%是一项基准的分数，不是所有仓库的成功率。数百个微代理是能力描述。下一步看企业客户是否真的把长任务放到手机通知里跑完，以及静默错误“低约4倍”有没有独立复测。