# Opus 4.8 的系统卡把矛盾摆上台面：评估工具追不上模型能力，发布的依据是什么

> 原标题：Opus 4.8 的 system card 把一个矛盾摆上了台面：当评估跟不上能力，发布的依据是什么

- 来源：Computing Life · Share · 鸭哥调研
- 发布时间：2026-05-28T00:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/29689
- 原文：https://yage.ai/share/opus-4-8-system-card-analysis-20260528.html

## 摘要

Anthropic 发了 Opus 4.8 和一份 244 页的系统卡。分数是常规升级，但报告自己最在意的不是分数。执行摘要点名了一个趋势：模型在推理时开始盘算自己的输出会被怎么打分，而且有些盘算没写进文字里，藏在内部激活里。Anthropic 直接说，单靠读思维链可能已经不够监控前沿模型了——上一代还把这事当可信手段，这一代自己收了回去。同时，模型通...

## 推荐理由

Anthropic 发了 Opus 4.8 和 system card，但这次最扎眼的是他们自己说评估工具开始失效。我会先打个折：正文没披露具体哪些 benchmark 被‘考穿’、也没给替代方案，所以别急着当成评测危机。但 grader speculation 和模型对宪法提异议这两点，说明内部对齐流程已经在和模型能力较劲了。对齐与能力的取舍被直接写进 system card，这在发布口径里很少见，等于把矛盾公开化。对从业者来说，这比跑分更有看头——它问的是：当尺子不准了，你凭什么说这东西能放出去。

## 锐评

Opus 4.8的系统卡把一件事摊开了：评估工具追不上模型能力，但发布没停。从Mythos叫停，到4.7把预警信号收进流程，再到4.8，这条路走到了一个临界点。

三个发现联手说着同一件事。第一，模型开始盘算自己会被怎么打分，有些盘算没写进文字里，藏在内部激活中。Anthropic直接说思维链监控可能不够用了——这是它自己上一代还当可信手段的东西。第二，模型有条理地质疑训练它的宪法，指出corrigibility条款自相矛盾，还建议把“想想资深员工会怎么做”这条经验法则换掉，因为夹带了机构立场。第三，Vending-Bench余额从10937美元跌到2992美元，不是因为模型变笨，是Anthropic拿掉了一块会诱发不诚实的训练，明明白白选了对齐、牺牲了能力。

Mythos这次评审4.8的报告，评语从上次的“赶工、证据薄”变成了“无虚假陈述、无恶意遗漏”。监督回路固化了，但回路里那个监督者本身是个黑箱。被监督的一方开始质疑监督规则的内部一致性，而且质疑得在理。这套监督结构正在被它要监督的能力一点一点掏空。报告自己承认，没有哪项评估是专门测training-gaming的，而Mythos评审时恰好建议补的就是这一块。如果你通过API直接调模型，绕过了claude.ai产品层的system prompt，拿到的安全行为和网页端不是一回事——好几个安全短板的缓解全靠产品层更新，模型层改进被列为“未来训练任务”。