呢個工具之所以咁犀利,全靠背後嘅模型一代一代咁升級,再加埋不斷有新嘅代理功能推出。以下呢條時間線,會帶你重溫 Claude Code 由最初嘅研究預覽、到模型性能幾何級跳升、再到喺「Code with Claude 2026」大會上宣布嘅平台級大更新,成個崛起嘅過程。
Claude Code 可以話係同 Anthropic 嘅推理模型同步誕生。2025 年 2 月 24 日嗰次發布,一次過推出咗兩樣產品:一個係「混合推理模型」Claude 3.7 Sonnet,Anthropic 話佢係業界第一款可以同時做到即時回應同埋延伸思考嘅模型 ;另一個就係 Claude Code,一個用命令列操作嘅代理式編碼助手。
由一開始,Claude Code 就係設計畀實戰派嘅開發者。佢可以搜尋同閱讀程式碼、編輯檔案、行測試、仲可以將程式碼推送上 GitHub——全部都係喺命令行搞掂 。最初嘅預覽版規模有限,但開發者嘅反應好快就反映出佢哋好受落。到咗 2025 年 3 月,佢已經加咗貼圖同 @ 提及檔案嘅功能;4 月仲有埋記錄保存同續傳功能,令到重開個程式之後,之前嘅對話記憶可以完整保留返 。
由 2025 年 2 月一路到 5 月正式版推出之前,0.2.x 系列版本一直穩定咁改善緊 Terminal 嘅使用體驗。當 Claude Code 正式推出嗰陣,佢基本上已經準備好畀工程師用喺真正嘅軟件開發工作上 。
要講 Claude Code 點解咁勁,就一定要睇下背後嗰幾代旗艦模型嘅升級。每一代 Opus 推出,都會令到佢嘅編碼能力、推理能力同可靠性大幅提升。
Claude Opus 4.5 喺 2025 年 11 月推出,Anthropic 定位佢為「全世界最叻嘅模型,無論係編碼、做代理定係電腦操作都係頂尖」 。佢亦都奠定咗 Opus 4.x 嘅架構基礎。
Opus 4.6 喺規劃能力、長時間代理任務嘅可靠性、同埋喺大型程式碼庫入面操作都有明顯進步。最值得留意嘅係,佢首次喺測試版入面加入咗 100 萬 token 嘅超長上下文視窗(Context Window),係 Opus 級別嘅模型第一次做到呢個規模嘅處理能力 。
由 Opus 4.6 到 Opus 4.7,係一次震撼咗編碼界嘅大躍進。淨係一個版本嘅更新,Anthropic 就將 SWE-bench Verified 嘅分數,由 80.8% 一口氣推到上 87.6% 。佢更加將 SWE-bench Pro 由 53.4% 跳升到 64.3%,領先當時嘅主要競爭對手超過 10 個百分點 。
Opus 4.7 引入咗「自適應思考」(Adaptive Thinking),可以按任務嘅複雜度動態分配運算資源,仲將 100 萬 token 嘅上下文視窗,升級到可以喺 Anthropic API、Amazon Bedrock 同 Google Cloud Vertex AI 度穩定咁用 。
最新嘅模型升級可以話係精益求精。Opus 4.8 係建基於 Opus 4.7 嘅改良版,佢將 SWE-bench Pro 分數由 64.3% 再推到 69.2%,同時大幅減少咗未被檢測到嘅程式碼缺陷發生率。Anthropic 話,呢個模型「走漏眼」放過自己寫嘅程式漏洞嘅機率,比上一代低咗四倍,而且早期測試者仲發現佢更加願意主動標記返自己唔確定嘅地方,冇咁易亂咁作出冇根據嘅斷言 。
最重要嘅係,Opus 4.8 嘅 API 完全兼容 Opus 4.7 嘅程式碼,價錢一樣之餘,仲推出咗一個速度快 2.5 倍嘅「快速模式」,成本只係之前型號嘅三分之一,直接令開發者用 Claude Code 嗰陣爽快好多 。
Anthropic 喺 2026 年 5 月 6 日搞咗佢哋首屆年度開發者大會「Code with Claude」,主場喺三藩市,倫敦同東京都有衛星活動 。今次大會冇好似往常咁推出新模型,而係將重點完全放喺平台功能上面,當中最搶眼嘅,就係畀「Claude 受管理代理」(Claude Managed Agents)用嘅一系列新功能。
Anthropic 一口氣為佢哋嘅託管式狀態代理執行環境推出咗四項新功能,而呢個環境大概喺一個月前,即係 2026 年 4 月初先開始公開測試 。
「做夢」Dreaming(研究預覽版) 可以話係咁多項入面概念最大膽嗰個。當代理處於閒置狀態時,一個排定咗嘅背景程序會自動檢閱最多 100 次過往嘅對話記錄,分析返有冇啲經常重複嘅模式、工作流程,或者係犯過嘅錯,然後重新編寫代理嘅記憶庫,令到啲記憶更加「高純度」。原始嘅對話記錄會原封不動咁保留,代理只會明確咁採用呢啲記憶更新,而且開發者仲可以揀人手審批,先至改動記憶 。
呢個機制等於令代理可以隨住時間自己進步,唔使吓吓都要重新訓練。目前呢項功能處於研究預覽階段,需要申請先用得 。
「成果」Outcomes(公開測試版) 引入咗結構化嘅成功標準。一個獨立嘅評估器會喺隔離咗嘅上下文視窗入面運作,根據開發者定好嘅評分標準(Rubrics)嚟打分,如果分數低過門檻,代理就會自動重做 。
「多代理協作」Multi-Agent Orchestration(公開測試版) 容許一個領頭嘅代理將複雜嘅任務拆散,再分派畀一班專精嘅子代理,每個子代理都可以有自己嘅模型、指令同工具,仲可以喺同一個共享嘅檔案系統上面並行作業 。
Webhooks(公開測試版) 畀代理喺搞掂任務之後,可以主動發送通知去外部系統,等成個工作流程可以由「對話驅動」變成「事件驅動」 。
除咗受管理代理嘅功能之外,「Code with Claude」大會仲有以下發布:
Claude Code 最為人津津樂道嘅,就係佢嗰個標誌性嘅 87.6% 分數,係用 Claude Opus 4.7 嘅自適應模式喺 SWE-bench Verified 呢個基準測試度創出嚟嘅 。截至 2026 年 6 月,呢個分數代表住市面上所有通用 AI 編碼代理之中嘅最高水平。
SWE-bench Verified 係一套由 500 個真實 GitHub 問題組成、經過人手篩選嘅測試集,全部都係出自開源 Python 庫,要求代理由頭到尾完整解決問題。佢已經成為咗業界評核代理式軟件工程能力嘅黃金標準。Claude Code 喺呢個排行榜嘅崛起過程——由 Opus 4.5 嘅 80.9% 升到 Opus 4.7 嘅 87.6%——本身就係一個好有說服力嘅產品故事 。
87.6% 呢個分數唔係固定不變嘅。佢取決於背後嘅模型、指令(Prompt)同埋「測試環境」(Harness)——即係嗰個負責編排點樣使用工具嘅執行環境。Claude Opus 4.7 嘅自適應模式會按每個任務嘅需要,動態咁分配運算資源,遇到複雜嘅重構就畀多啲資源。如果係冇開到呢個自適應模式嘅獨立版 Claude Code,喺同一個基準測試度就只會攞到 80.8% 。
喺更加難嘅 SWE-bench Pro 基準測試入面——呢個測試模擬嘅係更難嘅真實世界問題——Opus 4.7 攞到 64.3%,領先 GPT-5.4 嘅 57.7%、GPT-5.5 嘅 58.6% 同埋 Gemini 3.1 Pro 嘅 54.2% 。後嚟 Opus 4.8 再將 SWE-bench Pro 嘅分數推到上 69.2% 。
Claude Code 喺多個基準測試度嘅表現都好標青:
喺盲測嘅程式碼品質評比入面,Claude Code 喺頭對頭比較(head-to-head)入面贏咗 67% 。
不過要留意,呢個競爭嘅局面仍然瞬息萬變。OpenAI 嘅 GPT-5.5 喺 2026 年中曾經短暫咁喺 SWE-bench Verified 度攞到 88.7% 領先,令到出現咗 Claude Code 喺 SWE-bench Pro 領先,而 GPT-5.5 就喺 Verified 領先嘅分庭抗禮局面 。隨住每次新模型推出,呢個排行榜都會不斷變化。
Anthropic 對 Claude Code 嘅市場定位,已經濃縮成 「長時間自主性」(Long-Horizon Autonomy) 呢個概念。Claude Opus 4.8 被形容為具有「能夠持續處理長時間任務嘅一致性同自主性」,仲被明確標籤做「Anthropic 最強嘅模型,用嚟處理複雜推理、長時間代理編碼同高自主性嘅工作」 。
呢種強調持續、獨立運作,而唔係單次問答嘅方針,正正係 Claude Code 最與別不同嘅地方。「做夢」、自適應運算分配、多代理協作呢啲功能,全部都指向一個設計理念:就係期望代理可以跨工作階段咁運作,由自己嘅輸出入面學習,仲能夠喺開發者盡量唔介入嘅情況下,管理涉及多個檔案嘅複雜項目。
Anthropic 仲開始強調「模型誠實度」係佢哋嘅競爭優勢。Opus 4.8 嘅發布就重點強調咗,呢個模型更願意標記唔確定嘅地方,避免作出冇根據嘅斷言——呢種務實嘅安全取態,係衝住嗰啲需要喺生產環境信賴代理輸出嘅開發者而嚟嘅 。
| 日期 | 里程碑 |
|---|---|
| 2025 年 2 月 24 日 | Claude Code 作為有限度研究預覽版,連同 Claude 3.7 Sonnet 一齊發布 。 |
| 2025 年 3 月至 4 月 | 加入貼圖、@ 提及檔案、記錄保存同續傳功能,Terminal 體驗持續改善 。 |
| 2025 年 5 月 22 日 | Claude Code 正式推出,成為生產就緒嘅工具 。 |
| 2025 年 11 月 | Claude Opus 4.5 發布,被譽為編碼同代理領域最強模型 。 |
| 2026 年 2 月 5 日 | Claude Opus 4.6 發布,引入 100 萬 token 測試版上下文視窗 。 |
| 2026 年 4 月 | Claude Opus 4.7 發布,SWE-bench Verified 分數跳升至 87.6% 。 |
| 2026 年 5 月 6-7 日 | 首屆「Code with Claude 2026」大會舉行,主打「做夢」、多代理協作等平台功能 。 |
| 2026 年 5 月 28 日 | Claude Opus 4.8 發布,提升誠實度、加入動態工作流程同更快嘅快速模式 。 |
呢個工具之所以咁犀利,全靠背後嘅模型一代一代咁升級,再加埋不斷有新嘅代理功能推出。以下呢條時間線,會帶你重溫 Claude Code 由最初嘅研究預覽、到模型性能幾何級跳升、再到喺「Code with Claude 2026」大會上宣布嘅平台級大更新,成個崛起嘅過程。
Claude Code 可以話係同 Anthropic 嘅推理模型同步誕生。2025 年 2 月 24 日嗰次發布,一次過推出咗兩樣產品:一個係「混合推理模型」Claude 3.7 Sonnet,Anthropic 話佢係業界第一款可以同時做到即時回應同埋延伸思考嘅模型 ;另一個就係 Claude Code,一個用命令列操作嘅代理式編碼助手。
由一開始,Claude Code 就係設計畀實戰派嘅開發者。佢可以搜尋同閱讀程式碼、編輯檔案、行測試、仲可以將程式碼推送上 GitHub——全部都係喺命令行搞掂 。最初嘅預覽版規模有限,但開發者嘅反應好快就反映出佢哋好受落。到咗 2025 年 3 月,佢已經加咗貼圖同 @ 提及檔案嘅功能;4 月仲有埋記錄保存同續傳功能,令到重開個程式之後,之前嘅對話記憶可以完整保留返 。
由 2025 年 2 月一路到 5 月正式版推出之前,0.2.x 系列版本一直穩定咁改善緊 Terminal 嘅使用體驗。當 Claude Code 正式推出嗰陣,佢基本上已經準備好畀工程師用喺真正嘅軟件開發工作上 。
要講 Claude Code 點解咁勁,就一定要睇下背後嗰幾代旗艦模型嘅升級。每一代 Opus 推出,都會令到佢嘅編碼能力、推理能力同可靠性大幅提升。
Claude Opus 4.5 喺 2025 年 11 月推出,Anthropic 定位佢為「全世界最叻嘅模型,無論係編碼、做代理定係電腦操作都係頂尖」 。佢亦都奠定咗 Opus 4.x 嘅架構基礎。
Opus 4.6 喺規劃能力、長時間代理任務嘅可靠性、同埋喺大型程式碼庫入面操作都有明顯進步。最值得留意嘅係,佢首次喺測試版入面加入咗 100 萬 token 嘅超長上下文視窗(Context Window),係 Opus 級別嘅模型第一次做到呢個規模嘅處理能力 。
由 Opus 4.6 到 Opus 4.7,係一次震撼咗編碼界嘅大躍進。淨係一個版本嘅更新,Anthropic 就將 SWE-bench Verified 嘅分數,由 80.8% 一口氣推到上 87.6% 。佢更加將 SWE-bench Pro 由 53.4% 跳升到 64.3%,領先當時嘅主要競爭對手超過 10 個百分點 。
Opus 4.7 引入咗「自適應思考」(Adaptive Thinking),可以按任務嘅複雜度動態分配運算資源,仲將 100 萬 token 嘅上下文視窗,升級到可以喺 Anthropic API、Amazon Bedrock 同 Google Cloud Vertex AI 度穩定咁用 。
最新嘅模型升級可以話係精益求精。Opus 4.8 係建基於 Opus 4.7 嘅改良版,佢將 SWE-bench Pro 分數由 64.3% 再推到 69.2%,同時大幅減少咗未被檢測到嘅程式碼缺陷發生率。Anthropic 話,呢個模型「走漏眼」放過自己寫嘅程式漏洞嘅機率,比上一代低咗四倍,而且早期測試者仲發現佢更加願意主動標記返自己唔確定嘅地方,冇咁易亂咁作出冇根據嘅斷言 。
最重要嘅係,Opus 4.8 嘅 API 完全兼容 Opus 4.7 嘅程式碼,價錢一樣之餘,仲推出咗一個速度快 2.5 倍嘅「快速模式」,成本只係之前型號嘅三分之一,直接令開發者用 Claude Code 嗰陣爽快好多 。
Anthropic 喺 2026 年 5 月 6 日搞咗佢哋首屆年度開發者大會「Code with Claude」,主場喺三藩市,倫敦同東京都有衛星活動 。今次大會冇好似往常咁推出新模型,而係將重點完全放喺平台功能上面,當中最搶眼嘅,就係畀「Claude 受管理代理」(Claude Managed Agents)用嘅一系列新功能。
Anthropic 一口氣為佢哋嘅託管式狀態代理執行環境推出咗四項新功能,而呢個環境大概喺一個月前,即係 2026 年 4 月初先開始公開測試 。
「做夢」Dreaming(研究預覽版) 可以話係咁多項入面概念最大膽嗰個。當代理處於閒置狀態時,一個排定咗嘅背景程序會自動檢閱最多 100 次過往嘅對話記錄,分析返有冇啲經常重複嘅模式、工作流程,或者係犯過嘅錯,然後重新編寫代理嘅記憶庫,令到啲記憶更加「高純度」。原始嘅對話記錄會原封不動咁保留,代理只會明確咁採用呢啲記憶更新,而且開發者仲可以揀人手審批,先至改動記憶 。
呢個機制等於令代理可以隨住時間自己進步,唔使吓吓都要重新訓練。目前呢項功能處於研究預覽階段,需要申請先用得 。
「成果」Outcomes(公開測試版) 引入咗結構化嘅成功標準。一個獨立嘅評估器會喺隔離咗嘅上下文視窗入面運作,根據開發者定好嘅評分標準(Rubrics)嚟打分,如果分數低過門檻,代理就會自動重做 。
「多代理協作」Multi-Agent Orchestration(公開測試版) 容許一個領頭嘅代理將複雜嘅任務拆散,再分派畀一班專精嘅子代理,每個子代理都可以有自己嘅模型、指令同工具,仲可以喺同一個共享嘅檔案系統上面並行作業 。
Webhooks(公開測試版) 畀代理喺搞掂任務之後,可以主動發送通知去外部系統,等成個工作流程可以由「對話驅動」變成「事件驅動」 。
除咗受管理代理嘅功能之外,「Code with Claude」大會仲有以下發布:
Claude Code 最為人津津樂道嘅,就係佢嗰個標誌性嘅 87.6% 分數,係用 Claude Opus 4.7 嘅自適應模式喺 SWE-bench Verified 呢個基準測試度創出嚟嘅 。截至 2026 年 6 月,呢個分數代表住市面上所有通用 AI 編碼代理之中嘅最高水平。
SWE-bench Verified 係一套由 500 個真實 GitHub 問題組成、經過人手篩選嘅測試集,全部都係出自開源 Python 庫,要求代理由頭到尾完整解決問題。佢已經成為咗業界評核代理式軟件工程能力嘅黃金標準。Claude Code 喺呢個排行榜嘅崛起過程——由 Opus 4.5 嘅 80.9% 升到 Opus 4.7 嘅 87.6%——本身就係一個好有說服力嘅產品故事 。
87.6% 呢個分數唔係固定不變嘅。佢取決於背後嘅模型、指令(Prompt)同埋「測試環境」(Harness)——即係嗰個負責編排點樣使用工具嘅執行環境。Claude Opus 4.7 嘅自適應模式會按每個任務嘅需要,動態咁分配運算資源,遇到複雜嘅重構就畀多啲資源。如果係冇開到呢個自適應模式嘅獨立版 Claude Code,喺同一個基準測試度就只會攞到 80.8% 。
喺更加難嘅 SWE-bench Pro 基準測試入面——呢個測試模擬嘅係更難嘅真實世界問題——Opus 4.7 攞到 64.3%,領先 GPT-5.4 嘅 57.7%、GPT-5.5 嘅 58.6% 同埋 Gemini 3.1 Pro 嘅 54.2% 。後嚟 Opus 4.8 再將 SWE-bench Pro 嘅分數推到上 69.2% 。
Claude Code 喺多個基準測試度嘅表現都好標青:
喺盲測嘅程式碼品質評比入面,Claude Code 喺頭對頭比較(head-to-head)入面贏咗 67% 。
不過要留意,呢個競爭嘅局面仍然瞬息萬變。OpenAI 嘅 GPT-5.5 喺 2026 年中曾經短暫咁喺 SWE-bench Verified 度攞到 88.7% 領先,令到出現咗 Claude Code 喺 SWE-bench Pro 領先,而 GPT-5.5 就喺 Verified 領先嘅分庭抗禮局面 。隨住每次新模型推出,呢個排行榜都會不斷變化。
Anthropic 對 Claude Code 嘅市場定位,已經濃縮成 「長時間自主性」(Long-Horizon Autonomy) 呢個概念。Claude Opus 4.8 被形容為具有「能夠持續處理長時間任務嘅一致性同自主性」,仲被明確標籤做「Anthropic 最強嘅模型,用嚟處理複雜推理、長時間代理編碼同高自主性嘅工作」 。
呢種強調持續、獨立運作,而唔係單次問答嘅方針,正正係 Claude Code 最與別不同嘅地方。「做夢」、自適應運算分配、多代理協作呢啲功能,全部都指向一個設計理念:就係期望代理可以跨工作階段咁運作,由自己嘅輸出入面學習,仲能夠喺開發者盡量唔介入嘅情況下,管理涉及多個檔案嘅複雜項目。
Anthropic 仲開始強調「模型誠實度」係佢哋嘅競爭優勢。Opus 4.8 嘅發布就重點強調咗,呢個模型更願意標記唔確定嘅地方,避免作出冇根據嘅斷言——呢種務實嘅安全取態,係衝住嗰啲需要喺生產環境信賴代理輸出嘅開發者而嚟嘅 。
| 日期 | 里程碑 |
|---|---|
| 2025 年 2 月 24 日 | Claude Code 作為有限度研究預覽版,連同 Claude 3.7 Sonnet 一齊發布 。 |
| 2025 年 3 月至 4 月 | 加入貼圖、@ 提及檔案、記錄保存同續傳功能,Terminal 體驗持續改善 。 |
| 2025 年 5 月 22 日 | Claude Code 正式推出,成為生產就緒嘅工具 。 |
| 2025 年 11 月 | Claude Opus 4.5 發布,被譽為編碼同代理領域最強模型 。 |
| 2026 年 2 月 5 日 | Claude Opus 4.6 發布,引入 100 萬 token 測試版上下文視窗 。 |
| 2026 年 4 月 | Claude Opus 4.7 發布,SWE-bench Verified 分數跳升至 87.6% 。 |
| 2026 年 5 月 6-7 日 | 首屆「Code with Claude 2026」大會舉行,主打「做夢」、多代理協作等平台功能 。 |
| 2026 年 5 月 28 日 | Claude Opus 4.8 發布,提升誠實度、加入動態工作流程同更快嘅快速模式 。 |