今天的主线不是“Opus 4.8 是否第一”，而是 agent 产品开始补齐运行时：权限、缓存、并行分工、验证、恢复执行，这些比单轮回答更接近真实生产力。
先用一张图看清主线，再展开读正文。
不是热闹，是今天最该看的 6 个信号。
Anthropic 相关讨论集中在 Opus 4.8：@trq212 说它“像 benchmark 显示的那样聪明”，但更温暖、协作；@dotey 总结其核心变化是更愿意承认不确定、减少硬编，对长时间 agent 任务进度判断更真实。重要信号是模型发布叙事从“更强”转向“更适合长程协作”。（@trq212 / @dotey，原文：https://x.com/trq212/status/2060047996348432631；https://x.com/dotey/status/2060051148921323542）
随 Opus 4.8 一起出现的 dynamic workflows 是今天最值得盯的产品方向：大任务可自动拆解，派出几十到上百个 subagent 并行执行，再用另一批 agent 验证、质疑和收敛。@swyx 特别注意到“可在任务中途更新 Claude 指令，同时不破坏 prompt cache”的能力，这说明 agent runtime 正在从聊天框进化为可持续运行的编排系统。（@dotey / @swyx，原文：https://x.com/dotey/status/2060051148921323542；https://x.com/swyx/status/2060044644193624253）
@theo 提到 CursorBench 中 Opus 4.8 更高效，但表现略低于 Opus 4.7、差距在误差范围内；@aakashgupta 注意到 Anthropic 发布图里保留了 GPT-5.5 在 terminal coding 行领先的结果；@scaling01 则记录 RuneScape Bench 中 GPT-5.5-xhigh 仍第一、Opus 4.8 Max 第四。今天的共识不是“谁赢了”，而是前沿模型评测必须回到具体工作流。（@theo / @aakashgupta / @scaling01，原文：https://x.com/theo/status/2060172445592789064；https://x.com/aakashgupta/status/2060047449847460039；https://x.com/scaling01/status/2060145438787829890）
按来源分组，保留有效信息，去掉废话和重复语气。
工程博客讨论 agent 权限应随能力演进而变化。Anthropic 在自家产品中用 sandboxing 限定潜在破坏性操作范围，这和今天 Opus 4.8/dynamic workflows 的方向一致：agent 越强，权限边界越要产品化。（原文：https://x.com/AnthropicAI/status/2059351260243919269）
查看原帖今日周五扩展组不覆盖研究顶级心智账号；本栏不强行用旧帖补位。
Coding Agent 的关键在开头。复杂功能先让多个 agent 写 plan，综合方案后分 phase 执行，每阶段写清验收方式；人工审查重点放在设计和最终结果。（原文：https://x.com/dotey/status/2059773942500298934）
查看原帖OpenAI 内部出现“PRD as code”工作流：PM 写 Markdown PRD，coding agent 实现，review agents 检查架构、前端模式和设计系统，最后合并上线。产品文档正在变成可执行输入。（原文：https://x.com/aakashgupta/status/2060089225949872154）
查看原帖Agent PM 的新基本功是 observability：抓取失败 trace、归类、提出修复方案，再由人批准。只发布 agent 不看 eval/trace，已经落后。（原文：https://x.com/aakashgupta/status/2060028833747865980）
查看原帖Every 访谈给出的判断是 AI 越强，人越忙；真正跑起来的是公司级共享 agent + 专人维护，PM 和全栈设计师会更重要。（原文：https://x.com/vista8/status/2059823832819712199）
查看原帖LFM2.5-8B-A1B 已获 SGLang day-0 支持。它是 8B MoE、1.5B active，主打快速工具调用、128K 上下文、更好非拉丁语言支持，并可本地运行。（原文：https://x.com/lmsysorg/status/2060066670291665271）
查看原帖CursorBench 更新 Opus 4.8，结论是效率更高，但相对 Opus 4.7 的表现略低且在误差范围内。对 coding 模型不能只看发布当天的单点成绩。（原文：https://x.com/theo/status/2060172445592789064）
查看原帖RuneScape Bench 中 GPT-5.5-xhigh 再次第一，Opus 4.8 Max 第四。这类游戏/长程任务评测正在成为观察 agent 真实能力的补充视角。（原文：https://x.com/scaling01/status/2060145438787829890）
查看原帖Anthropic 发布 Claude Opus 4.8，价格与 4.7 持平；fast mode 速度约 2.5 倍、价格更低；dynamic workflows 处于研究预览，重点是大任务拆解、多 agent 并行、自动验证和长时间恢复执行。（原文：https://x.com/dotey/status/2060051148921323542）
查看原帖RepoPrompt 作者加入 OpenAI，产品免费并计划开源，付费用户会收到 Codex credits。coding 工具继续向模型平台和 agent 平台集中。（原文：https://x.com/dotey/status/2059729329119006928）
查看原帖开源 Top 500 iOS 订阅 App 付费墙数据集，包含截图、onboarding、定价模型、MRR/ARPU/RPD 等信号，适合订阅制 AI 产品和出海增长研究。（原文：https://x.com/AI_Jasonyu/status/2059819293919859095）
查看原帖AI 视频创作正在从“输入 prompt 等生成”转向画布式 agent：先拆场景和节奏，生成分镜，在无限画布中修改后再出视频。视频 agent 的关键是可控工作流。（原文：https://x.com/yanhua1010/status/2059272264546394477）
查看原帖今天的主线不是“Opus 4.8 是否第一”，而是 agent 产品开始补齐运行时：权限、缓存、并行分工、验证、恢复执行，这些比单轮回答更接近真实生产力。
评测分歧反而是好信号。模型越来越强之后，社区开始追问“在哪类任务、以什么成本、由谁验证”，这比发布会分数更有用。