第一原则就是，你不能欺骗自己——你自己是最容易被自己骗的人。——理查德·费曼
今天凌晨，Anthropic发布Claude Opus 4.8。X和微信里都是各种benchmark的截图：SWE-bench 88.6%、agentic coding 64.3%→69.2%、Terminal-Bench 74.6%。所有人在对比GPT-5.5和Gemini 3.1 Pro，争论"谁更强"。
但藏在alignment测试报告里的几个数字，才是重点：
- 0%：Opus 4.8首次在测试中不"自信地报告有缺陷的结果"
- 10倍以上：过度自信（overconfidence）相比4.7的下降幅度
- 4倍：自生成代码缺陷率vs 4.7的降幅
- alignment综合分数接近Anthropic刻意压住的Mythos
榜单一直在变，几个月后甚至没人记得4.8这个版本号，我认为Opus 4.8最值得关注的是：
它学会了说"我不知道"。
诚实即护城河
Opus 4.8 System Card里有一段话值得逐字读：
"Our Alignment team concluded that Opus 4.8 reaches new highs on our measures of prosocial traits like supporting user autonomy and acting in the user's best interest."
翻译过来：模型在"支持用户自主性"和"按用户最佳利益行事"两个指标上达到新高。这从公关角度看是套话，从工程角度看是声明——这两个指标可被测量、可被训练、可被发布说明里写出来跟benchmark并列。
更具体的产品表现是，模型开始更频繁地：
- 主动flag输入和输出的问题，而不是把锅留给用户
- 对低置信度的回答标注不确定性，而不是从头到尾用同一种自信语气
- 在自己生成的代码里，减少"已完成"的虚假宣称
Devin（那个发布第一个工程师Agent的公司）的早期反馈说得直白：Opus 4.8最大的提升不是写代码更好，而是"主动flag问题"——这是其他模型常常错过、必须用户自己抓的部分。
这件事反直觉之处在于：
在能力卷得最狠的赛道，Anthropic在反向走。
整个行业的惯性是over-promise——demo越炫越好、benchmark越高越好、能干的事越多越好。Opus 4.8反向训了一组指标：什么时候应该说"我不知道"、什么时候应该停下、什么时候应该承认输入本身有问题。
顺便说Dynamic Workflows——它也是同一个哲学
我倾向于把它和"诚实"放在同一个产品哲学下看。
之前subagent机制有个本质问题：所有中间结果都涌进主Agent的context window。子任务一多，context就被塞满，幻觉率上升、决策质量下降。这不是Anthropic独有的麻烦，是整个agent架构的通病。
Dynamic Workflows的解法是：让Claude写一段JavaScript脚本，由runtime执行，中间结果存在脚本变量里。主Agent只看最终汇总，不被中间过程污染。
这里面藏着一个底层判断：Agent的context是稀缺的，不应该用来装"过程"，只应该装"判断需要的事实"。
这和"学会说我不知道"是同一件事的两面：
- 一个是承认自己的认知边界
- 一个是承认context window的物理边界
两个都是在做减法。一个减"虚假的自信"，一个减"虚假的信息密度"。一个产品团队同时往这两个方向发力，不是巧合。
诚实，作为一种工程指标
诚实在哲学上是个老话题。但在工程上，"诚实"作为一种可测量、可训练、可写进发布说明的指标，是个新事物。
回到费曼那句话：你最容易骗的，是你自己。这句话原本是讲给科学家的——他在Caltech毕业典礼上叮嘱毕业生，做研究的第一原则不是别骗别人，是别骗自己。
放到模型上看，一个会"骗自己"的模型表现出来就是overconfidence——明明不知道，但用知道的语气说；明明这段代码没验证过，但用"已完成"的语气交付；明明这个输入有问题，但假装看不见。
Opus 4.8做的事，是把费曼这句训诫翻译成了模型的训练目标。
这件事的长期意义可能比Mythos更大。因为：
能力是会被追上的。 GPT-5.5和Gemini 3.1 Pro在benchmark上离Opus 4.8并不远，下一代产品会很快追平甚至超过。
信任是复利。 一个会主动flag问题的Agent，在长期agentic workload里产生的价值，会以指数级别甩开一个"自信地干完然后用户自己查"的Agent。这个差距不会出现在benchmark上，但会出现在用户三个月之后愿不愿意把更长的任务交给它。
就像一个会标注“这里我不确定”，或者“译者注”的译者，大概率是一个严谨的、可信赖的译者。
人的位置在哪里
我一直关心一个问题：当AI承担越来越多的工作，人在这件事里的位置是什么？
Opus 4.8给出的一种回答是：当AI开始承认无知，人的判断价值才真正浮现。
一个全知全能的AI，会把人挤压成"按回车键的那个人"。一个会说"这里我不确定，需要你来判断"的AI，会把人放回最终决策者的位置。
这不是AI产品的妥协，是AI产品的成熟。
Opus 4.8还远远不够好——它依然会犯错、会幻觉、会在长任务里漂移。但它是第一个把"会说我不知道"作为发布通告核心卖点之一的旗舰模型。
下一代AI竞争的护城河，不是更聪明。
而是品格。