Anthropic 回來了，
但贏的不只模型
Every 對 Opus 4.8 的 day zero vibe check 很直接：Anthropic 應該可以把它叫 Opus 5。它在程式、寫作與知識工作都變強，卻也暴露下一場競賽的重點：模型之外，使用環境正在決定誰會成為 daily driver。
來源：Every YouTube 頻道
SCROLL
Every 對 Opus 4.8 的 day zero vibe check 很直接：Anthropic 應該可以把它叫 Opus 5。它在程式、寫作與知識工作都變強，卻也暴露下一場競賽的重點：模型之外，使用環境正在決定誰會成為 daily driver。
來源：Every YouTube 頻道
影片一開始的結論很清楚。Every 團隊測了一週後，認為 Opus 4.8 不是普通的版本更新。主持人說 Anthropic 可以把它叫 Opus 5，因為這次不是只有 benchmark 變好，而是使用感回來了。
這個背景很重要。Opus 4.7 在 Every 的感受並不好：有分數進步，但速度慢、不好愛，很多人開始轉向 Codex 和 GPT 5.5。Every 內部原本有許多重度 Claude 使用者，過去一年很依賴 Claude，但最近連這些人都開始承認 Codex 夠快、夠順，GPT 5.5 也開始接手寫作與程式工作。
Opus 4.8 的意義不是 Anthropic 又出了一個模型，而是它把「我會想主動打開 Claude」這件事重新帶回來。
Every 用一個簡單標準測模型：reach test。問題不是你能不能在測試裡跑贏，而是人在真實工作中會不會伸手去用它。Opus 4.8 在這個測試裡拿到很高評價，甚至有人給出少見的 paradigm shift 等級。
Every 的測試把 Opus 4.8 放進三個工作場景：資深工程師等級的程式重寫、寫作任務、以及簡報這類知識工作。重點不只是分數，而是它同時改善很多維度。過去模型常在不同版本之間擺盪：有時太保守，有時又過度行動。這次 Every 的感覺是，Anthropic 把平衡抓對了。
程式測試裡，Every 把 vibe-coded codebase 丟給模型，要求從第一原理重寫。人類資深工程師通常落在 80 到 90 分，Opus 4.8 拿到 63，雖然還沒到人類水準，但已經接近 GPT 5.5，且比前一版大幅前進。
寫作測試裡，它會寫文章開頭、宣傳信、文章中段，也比較少露出常見的 AI 痕跡。主持人特別提到，若給它一段自己的文字再請它延續，它會抓到聲音和節奏。這對知識工作者的意義很大，因為模型不只是幫你填字，而是更接近能在同一套語氣裡共同工作。
Every 說 Opus 4.8 在 extra high reasoning 下是 coding powerhouse。Kieran Klassen 的 LFG bench 測了比較真實的程式任務，例如 SaaS、電商網站、3D 遊戲場景。結果不是只有可執行，而是程式可讀，輸出在工程能力與創造力之間取得平衡。
影片裡提到一個 cozy island benchmark：請模型做一個 3D 溫暖小島場景。Opus 4.8 的結果比較豐富、有層次、有角色感；GPT 5.5 也有很多細節，但比較像直接完成任務。這個差異對軟體產品很有意思。當 AI 開始參與前端、互動、遊戲和品牌體驗，模型不只要正確，還要能做出有質感的第一版。
這讓「工程師怎麼用 AI」的問題往前推了一步。早期大家問模型能不能寫出正確程式。現在更重要的是，模型能不能理解一個混亂專案、做出可維護的改動、在多輪工作中保留品質。Opus 4.8 的進步，剛好落在這個方向。
Every 對 Opus 4.8 的寫作評價很高。它在 high reasoning 下比較少有 AI tells，能從上下文判斷作者聲音，也能用比較自然的方式延續段落。對寫作者來說，這代表模型不只是產生文案，而是能進入你的風格、幫你推進還沒完全成形的想法。
主持人還提到一個比較私人但重要的用途：人際、管理、心理上的思考。Opus 4.8 不是單純附和，而是會從多個角度推開使用者原本的框架。這種能力對 CEO、主管、創辦人很實用，因為很多知識工作不是找正確答案，而是看見自己漏掉的假設。
知識工作測試裡，Every 讓模型做一份介紹 component engineering 的簡報。主持人說，這是他第一次看到自動生成簡報有足夠深度、樣式也能接受，像是一份很好的 first pass。這件事對公司內部工作流很關鍵，因為簡報、備忘錄、研究整理、決策草稿，都是白領工作每天花時間的地方。
當模型能在同一個 thread 裡從程式切到寫作，再切到簡報和策略討論，AI 工具就不再只是單點助理，而是工作桌面的一部分。這也是為什麼 Every 會用 daily driver 來描述它。
Every 給 Opus 4.8 的稱讚很高，但不是無條件。第一個限制是它很吃 reasoning 設定。hard coding challenge、重要寫作任務，都建議用 high 或 extra high。medium 的成果會差一些。這代表使用者不能只問「哪個模型最好」，還要知道要用哪個設定跑哪種工作。
第二個限制更像產品策略問題。主持人仍然把 Codex 當成 daily driver，不是因為模型一定更強，而是 Codex app 快、乾淨、簡單，還有好用的 in-app browser。相對地，Claude desktop app 有 chat、code、co-work 等不同 tab，感覺像把組織分工直接搬進產品裡，使用者進去反而要先想該去哪裡。
這是這支影片最值得產品團隊注意的地方。當 frontier models 越來越接近，使用環境會放大或浪費模型能力。模型本身可能很強，但如果入口混亂、流程慢、工具接不上，使用者不一定會把它放進每天的工作裡。
Opus 4.8 的故事不是「Anthropic 又追上來了」這麼簡單。它說明模型公司仍能用一次好更新改變市場情緒，也說明使用者的忠誠度很薄。前一兩個月覺得 Claude 慢的人，會轉向 Codex；今天 Opus 4.8 變好，又會開始兩邊切換。
對創業者來說，這代表 AI 產品不能只押模型品牌。你要思考的是，使用者在什麼情境會伸手拿起你的工具：寫程式、寫文章、做簡報、做管理判斷、跑多個代理人，還是把這些工作串在一起。reach test 其實是一個很好的產品問題：你的工具在哪些時刻會被主動打開？
Every 這支 vibe check 的價值，在於它不是只看榜單。它看模型在公司內部實際怎麼被拿來寫程式、寫文章、做簡報、跑代理人、做管理思考。這也比較接近 AI 產品會改變工作的方式：不是一個模型打敗另一個模型，而是哪個組合讓人願意改變每天的工作習慣。
Opus 4.8 讓 Anthropic 重新有了模型優勢，但下一場勝負會落在誰能把模型變成每天自然打開的工作環境。
Every 的 day zero vibe check 提醒我們：模型分數會吸引注意，reach test 才會改變工作。
選完之後，分享你的觀點
這頁整理自 Every YouTube 頻道。原始影片保留了團隊對 Opus 4.8 在程式、寫作、知識工作、推理設定與 Claude app 使用體驗上的完整評估。
前往 YouTube →喜歡這種分析嗎？
從 AI 代理人、軟體產品到平台策略，用台灣讀者看得懂的語言，把複雜的產業變局說清楚。目前已有超過 2 萬位讀者訂閱。
免費訂閱區塊勢 →也可以直接付費支持，解鎖每週完整文章