AI日報 | Claude Opus 4.8 動態工作流震撼釋出，端側與開源模型效能大爆發

AI 發展日報：Claude Opus 4.8 推出震撼動態工作流，端側與開源模型迎來效能大爆發

說實話，每天追蹤人工智慧技術的最新進展，有時候的確會讓人喘不過氣。昨天才剛弄懂一個新名詞，今天馬上又冒出另一個全新的運算架構。你知道嗎？這正是整個科技圈最令人著迷的地方。今天的精選內容將帶領讀者一窺幾款剛釋出的重磅模型與實用工具。從雲端巨頭的旗艦模型重大更新，一路到可以直接在老舊筆電上順暢執行的端側技術，每一個環節都充滿了值得細細品味的技術巧思。

Claude Opus 4.8 與 Claude Code 動態工作流展現驚人協作力

Anthropic 正式釋出了備受市場矚目的 Claude Opus 4.8。這款新模型建立在 Opus 4.7 的堅實基礎上，不僅維持了原本的定價，更在各項基準測試中展現出極度可靠的判斷力。

業界一直存在一個非常有趣的現象。過去許多語言模型總喜歡不懂裝懂，自信滿滿地給出錯誤答案，或是聲稱完成了根本沒做好的任務。這次 Opus 4.8 團隊特別強調了「誠實度」這項特質。根據早期測試者的實際回饋，它在遇到不確定的狀況時，會主動標記潛在的疑慮。比起前一代，忽略程式碼漏洞的機率足足降低了四倍之多。這聽起來可能有些微不足道，但對於每天要處理海量程式碼的工程師來說，絕對是一個能讓人安心入睡的升級。使用者現在還能透過全新的 Effort Control (努力控制) 功能，精準掌控模型在單一任務上投入的運算資源，甚至可以切換到價格只要舊版模型快速模式三分之一的快速模式。

說到寫程式，就不得不提同步在 Claude Code 推出的一項名為動態工作流 (Dynamic workflows) 的新功能。這項功能完美展示了 AI 如何處理超大規模的軟體工程問題。想像一下，原本需要整個工程團隊耗費好幾個季度才能完成的程式庫遷移專案，現在可以縮短到幾天內搞定。系統會動態編寫協調腳本，在單一工作階段中同時啟動數十甚至數百個並行運作的子代理程式 (subagents)，並且在向使用者回報之前，仔細驗證自己的輸出結果。

著名的 JavaScript 執行環境 Bun 最近就利用這個功能，在短短 11 天內完成了大約 75 萬行程式碼從 Zig 到 Rust 的轉換。這種極端複雜的協作，正是 Opus 4.8 結合動態工作流所帶來的實質技術突破。

Step 3.7 Flash 展現極致性價比與視覺代理能力

看完雲端巨頭的精采表現，來看看開源與 API 領域的強力黑馬。Step 3.7 Flash 的登場，無疑為代理程式 (Agent) 的執行效率立下了一個全新的標竿。

這款模型擁有高達 198B 的總參數量，但活躍參數僅有 11B。雖然乍看之下體積龐大，實際上它的推理成本卻低得驚人。開發團隊將這款模型放上了 Hugging Face 以及 GitHub 供各界研究使用。它在處理程式碼編寫與軟體工程任務，例如 SWE-bench Pro 上，展現了極高水準的準確度。

更有趣的是它對多模態與視覺搜尋的掌控力。Step 3.7 Flash 不只能夠看懂複雜的網頁介面、文件和圖表，還能直接根據它所「看到」的視覺脈絡撰寫程式碼或是呼叫外部工具。這種將視覺辨識與邏輯推理無縫結合的設計，讓它在處理複雜的網頁搜尋與長尾實體辨識時，能發揮出遠超同級別模型的實力。越是這種看似低調的模型，越能在實際部署時帶來意想不到的驚喜。

LFM2.5-8B-A1B 讓老舊硬體也能輕巧運行專家混合模型

曾經想過在一台效能普通的筆記型電腦上運行強大的專家混合模型 (MoE) 嗎？Liquid AI 最新推出的 LFM2.5-8B-A1B 讓這件事成為了現實。

社群裡許多人開玩笑說，這款模型就算是用「馬鈴薯」等級的日常消費級硬體也能跑得動。這其實一點也不誇張，大家隨時可以到 Hugging Face 下載它的 GGUF 格式檔案親自體驗一番。它是一款專為端側設備設計的混合架構模型，經歷了高達 38T 權杖 (tokens) 的預訓練與大規模增強式學習。

與前一代版本相比，最顯著的改變在於上下文長度一口氣擴展到了 128K，並且詞彙表大小直接翻倍，藉此大幅提升了非拉丁語系的標記化 (Tokenization) 效率。它在保持極低硬體需求的同時，依舊具備出色的工具呼叫能力與指令遵循水準，甚至支援 llama.cpp、vLLM 與 SGLang 等多種推理框架。未來的手機或輕薄筆電，都將擁有一個完全離線且具備高度隱私保護的專屬數位助理。將強大算力壓縮進日常設備，的確是目前科技發展極為關鍵的一個方向。

Qwen-Image-Bench 擔任客觀評分 AI 圖像的專職裁判

隨著文字生成圖像技術越來越普及，一個不可避免的難題浮出了水面。如何客觀地評估這些 AI 生成的圖片到底好不好？為了解決這個痛點，Qwen 團隊推出了 Qwen-Image-Bench (同步開源於 GitHub)，並帶來了一位名為 Q-Judger 的專屬 AI 裁判。

Q-Judger 是一個基於 Qwen3.6-27B 微調而成的視覺語言模型。它的運作原理非常直觀，只要輸入提示詞與生成的圖片，模型就會運用思維鏈 (Chain-of-Thought) 進行縝密的推理，最後輸出一段結構化的 JSON 評分資料。

評分的標準可不馬虎，總共涵蓋了五個極為細緻的主要維度。

• 品質 (Quality)：嚴格檢視物理邏輯與材質紋理是否合理，並檢查雜訊與邊緣清晰度。
• 美學 (Aesthetics)：關注構圖平衡、色彩和諧度與光影氛圍，甚至包含人物解剖的保真度。
• 對齊度 (Alignment)：檢查圖片是否精準呈現了提示詞要求的數量、動作與空間佈局關係。
• 真實世界還原度 (Real-world Fidelity)：嚴格把關社會偏見、文化公平性與安全合規性。
• 創意生成 (Creative Generation)：專注於視覺敘事能力、鏡頭語言與各種設計應用潛力。

這種將感性美學轉化為具體量化指標的嘗試，確實為未來的圖像生成領域提供了更清晰的優化指南。

PaddleOCR-VL 1.6 刷新文件解析與光學辨識的準確度極限

最後，來看看一個極度實用卻經常被低估的領域。光學字元辨識與複雜文件解析。PaddlePaddle 官方最新發布的 PaddleOCR-VL 1.6 在這方面交出了一張令人驚豔的成績單。

根據官方公布的數據，這款視覺語言模型，在嚴苛的 OmniDocBench 評測中創下了 96.33% 的全新 SOTA 紀錄。有興趣的開發者可以前往 Hugging Face 頁面查看它的實際規格。

更讓人振奮的是，它在處理複雜的表格結構、古代文獻、罕見字元，甚至是難以辨識的印章與圖表時，都有著突破性的進步。對於需要建立大型語言模型 (LLM) 知識庫或是檢索增強生成 (RAG) 系統的企業端來說，能夠提供高品質的資料導入，簡直是一大福音。這款模型完全相容於 v1.5 架構，標榜隨插即用，完全省去了痛苦的系統轉移過程。

如今的科技發展跳脫了單純比拚參數量大小的迷思，轉向追求實用性、推理精準度，以及探討如何在不同的硬體限制下發揮最大價值。這股不斷追求運算效率與極致應用的浪潮，勢必還會持續帶來更多顛覆想像的創新。

問與答

Q1：什麼是 Claude 的「動態工作流 (Dynamic workflows)」？它在實際應用上有什麼驚人的表現？ A1： 動態工作流是一項能讓 Claude 處理超大規模軟體工程問題的全新功能。它會動態編寫協調腳本，在單一工作階段中同時啟動數十到數百個並行運作的子代理程式 (subagents)，並在向使用者回報之前仔細驗證結果。在實際應用上，知名 JavaScript 執行環境 Bun 的開發者利用此功能，在短短 11 天內成功將高達約 75 萬行的程式碼從 Zig 轉換為 Rust，且通過了 99.8% 的測試套件。

Q2：Step 3.7 Flash 宣稱極具性價比，它的實際參數量為何？在視覺代理能力上有什麼特殊突破？ A2： Step 3.7 Flash 是一款總參數達 198B（包含 196B 的語言主幹與 1.8B 的視覺編碼器）、但活躍參數約僅有 11B 的混合專家模型 (MoE)。除了能看懂複雜的網頁介面和圖表，它最大的突破在於能使用「Python 工具」與圖像進行深度互動（例如裁切、縮放、繪製邊界框），甚至在未經特殊訓練的情況下，自然地展現出將「視覺工具」與「非視覺工具」組合使用的能力來完成複雜任務。

Q3：為什麼 Liquid AI 的 LFM2.5-8B-A1B 能夠在一般的筆記型電腦甚至手機上順暢運行？ A3： LFM2.5-8B-A1B 是一款專為端側設備設計的混合專家模型，它採用了「僅推理 (reasoning-only)」的設計策略。由於端側設備經常受限於運算資源，該模型極少的活躍參數讓每個推理權杖 (token) 的計算成本變得非常低，在不犧牲速度的情況下大幅提升品質。此外，它提供包含 llama.cpp、MLX 等多種框架的首日支援，在 Apple M5 Max 晶片上甚至能達到每秒解碼 253 個權杖的極速表現。它也將詞彙表翻倍至 128K，大幅提升了非拉丁語系（如中文、阿拉伯文等）的處理效率。

Q4：AI 生成的圖片經常難以客觀評價，Qwen 團隊的 Q-Judger 裁判模型是如何解決這個問題的？ A4： Q-Judger 是一個基於 Qwen3.6-27B 微調的視覺語言模型。當輸入提示詞與圖片後，它會啟用「思維鏈 (Chain-of-Thought)」進行縝密推理，並輸出結構化的 JSON 評分資料。它嚴格根據五個主要維度進行量化評估：品質 (Quality)、美學 (Aesthetics)、對齊度 (Alignment)、真實世界還原度 (Real-world Fidelity) 以及創意生成 (Creative Generation)，將主觀的美感轉化為客觀的優化指標。

Q5：對於需要建立知識庫的企業來說，PaddleOCR-VL 1.6 這次的發布帶來了哪些實質幫助？ A5： PaddleOCR-VL 1.6 在嚴苛的 OmniDocBench 評測中創下了 96.33% 的全新 SOTA 紀錄，超越了許多開源與商業解決方案。它顯著提升了處理複雜表格、古典文本、罕見字元，以及印章和圖表辨識的準確度。更重要的是，它完全相容於 v1.5 架構，企業開發者可以實現零轉移成本的「隨插即用 (plug-and-play)」部署，輕鬆將高品質資料導入 LLM 或是 RAG 系統中。