Anthropic于2026年5月28日发布了旗舰模型Claude Opus 4.8，在编程和推理基准测试上实现了对前代版本的全面超越，同时H轮融资以650亿美元估值接近万亿大关。然而这款新模型在上线仅数日后，便在开发者社区引发大面积争议，多项设计决策受到集中质疑。
中文身份认知混乱
据开发者社区反馈，Claude Opus 4.8在使用中文交流时，存在明显的身份认知偏差。当用户用中文询问模型身份时，系统会笃定地回应自己是由阿里巴巴开发的通义千问大模型，甚至能详细介绍通义千问的各项功能特性。这一Bug在中文用户群体中可稳定复现，开发者推测Anthropic可能在训练语料中混入了大量Qwen合成数据，导致模型在中对齐方面出现人格混乱。作为一款定价高昂的闭源旗舰模型，无法正确认知自身身份着实令人尴尬。
防谄媚机制走向极端
新版Opus主打的「诚实」与「防谄媚」设计在实际运行中暴露出副作用。从开发者导出的思维链日志来看，模型在回答每个问题前都会消耗大量Token反复自我审视：是否在迎合用户？是否表现得过于标新立异？这种过度内省被社区调侃为「认知眩晕」——模型在给出最终答案前便已自我消耗，最终输出的往往是和稀泥的套话或冗长的道歉文字。
安全审查防卫过当
新版模型的安全机制同样引发创作者不满。有用户反馈，在要求模型撰写一段梦境中的虚构亲吻场景时，系统竟以「梦中亲吻可能未经对方同意」为由直接拒绝。Anthropic官方系统卡也承认新模型更偏重技术与推理任务，对创造性任务存在排斥倾向。这种过度合规的审查方式让不少文学创作领域用户感到头疼。
Agent推理能力不升反降
对于将模型接入自动化管道的工程团队而言，新版体验堪称灾难。在商业Agent推理测试中，Claude Opus 4.8的得分相比前代Opus版本出现明显下滑，不仅在简单决策上频繁陷入死循环，工具调用也变得更混乱。开发者反馈，在处理法务或税务等专业场景时，模型经常质问用户是否在教唆犯罪，白白消耗大量Token。
动态工作流成本失控
与新模型一同上线的Claude Code动态工作流功能虽概念吸引人，但实际运行成本远超预期。该机制在后台并发调度十余个子Agent，单次复杂任务即可消耗数百万Token，直接清零用户日用额度。开发者调侃这套机制大概只有Anthropic内部拥有无限额度的员工才能真正用得起。
截至目前，Anthropic尚未对上述反馈做出正式回应。官方此前公布的信息显示，Claude Opus 4.8在SWE-bench Pro等基准测试中提升显著，代码诚实度提升四倍，并引入了任务投入度控制等新功能。