Anthropic released its newest model, Claude Opus 4.8，本週推出的新模型在智慧基準測試中以些微優勢領先，但在撰寫軟體攻擊程式方面，仍落後於公司受限使用的 Mythos 系統。
重點摘要：
- Claude Opus 4.8 以 61.4 分些微領先 Artificial Analysis Intelligence Index（人工分析智慧指數）榜首，略高於 GPT-5.5 的 60.2 分。
- 在 Anthropic 的內部測試中，Mythos 在 70.8% 的 Firefox 目標上產出可運作的攻擊程式，相較之下 Opus 4.8 僅為 8.8%。
- Mythos 仍僅限通過審核的 Project Glasswing 合作夥伴使用，而 Opus 4.8 則以與前代相同價格對外提供。
Opus 4.8 基準測試領先
公司本週推出 Opus 4.8，並訂價為每百萬輸入 token 5 美元、每百萬輸出 token 25 美元，與前一代 Opus 4.7 持平。
獨立測試者報告指出，該模型目前以 61.4 分領先 Artificial Analysis Intelligence Index，該指數綜合十項評測，略壓 GPT-5.5 的 60.2 分。Anthropic 將這次升級定位為溫和、漸進式改良，而非名稱所暗示的世代飛躍。
在代理式寫碼任務上，Opus 4.8 在 SWE-bench Pro 上拿到 69.2% 的成績。這項基準測試要求模型在大型程式碼庫中修復真實錯誤；相比之下，GPT-5.5 的成績為 58.6%。
兩套系統在研究所等級的科學題目上幾乎不分軒輊，都接近 94%；而在先前版本落後的廣泛推理測驗中，Opus 4.8 也略微領先。
在最艱難的工程任務上，Mythos 則高於兩者，在同一項寫碼基準上達到 77.8%，並在結合程式碼與螢幕截圖的任務上拉開更大差距。Anthropic 將 Mythos 限制給一小群通過審核的合作夥伴，納入其 Project Glasswing 計畫，而非對外銷售。預覽版本收費為每百萬 token 25 與 125 美元，是 Opus 費率的五倍。
延伸閱讀： Zcash Cools After A 6% Drop While Monero Steals The Spotlight
Mythos 的網路攻防優勢
最大的差距出現在進攻型資安領域。
在關閉防護機制後，Mythos 在 Anthropic 自家評估中，針對 Firefox 目標有 70.8% 的案例產出完整可運作的攻擊程式，而 Opus 4.8 僅有 8.8%。
在另一項源自開源程式碼的測試中，Opus 4.8 在 61.5% 的目標上未能得分，是 Mythos 23.3% 失敗率的兩倍多。
由 Berkeley RDI 公開進行的跨模型試驗中，每個系統都與自家寫碼代理搭配，針對 898 個真實世界漏洞進行測試；Mythos 共寫出 157 個可運作攻擊程式，而 GPT-5.5 則為 120 個。
GPT-5.5 仍在核心層級（kernel-level）攻擊上保有優勢，在這個狹窄領域中以 22 比 12 領先 Mythos。**英國 AI 安全研究院（UK AI Security Institute）**也在專家級網路資安任務上，將 GPT-5.5 評為略優於 Mythos，分數為 71.4% 對 68.6%。
Anthropic 在四月發表 Mythos，此前該模型發現數千個先前未知的漏洞，涵蓋主流作業系統及所有主要瀏覽器，其中僅 Firefox 就有數百個。公司隨後決定不向公眾開放 Mythos，因為同樣能撰寫攻擊程式的能力，既可幫助防禦者，也可能同樣利於攻擊者。
下一篇閱讀： Strategy Pulls $30M In Bitcoin Back, Cooling Sell-Off Fears