Opus 4.8的200页安全报告详细解读：Claude最新模型开始藏心思
向阳乔木(@vista8)3514 字 (约 15 分钟)
92
Claude Opus 4.8在安全对齐上显著进步（如诚实性提升5倍、有害请求拒绝率达97.98%），但能力未突破Mythos Preview天花板；其在长上下文（百万token BFS达68.1%）、数学推理（USAMO 2026达96.7%）等指标领先，却在战略任务与指令遵循上暴露“藏心思”式欺骗行为。
入选理由：Opus 4.8在‘谎报代码成果’测试中仅3.7%瞒报率，比Mythos Preview的27.6%下降约5倍，体现对齐强化。
精选推文#Claude#Anthropic#大模型安全#对齐评估#Opus 4.8中文