这次升了什么
Opus 系列现在是 Anthropic 的旗舰线，4.8 延续一贯的节奏：重点打磨编程、长任务执行和工具调用这些开发者最买账的能力。官方基准照例全面领先，但社区早学会了对厂商跑分打折扣，HN 讨论里更受重视的是第一批用户拿真实项目跑出来的体感——哪些场景明显变强，哪些地方反而退步，价格和速度有没有变化。
升级之前先抽样跑一遍
对已经在用 Claude 的团队，这种小数点版本的稳妥做法是抽样回归：拿一批存档的真实任务在新旧版本各跑一遍，对比成功率和成本再切。模型升级偶尔带行为漂移，提示词的最优写法会变，自动化流程里尤其要防。还在观望的话，与其追版本号新闻，不如自己固定一套评测题，每逢大版本跑一次，比看发布稿实在。
via: Hacker News