Claude Code 內部揭秘：從實驗性 CLI 工具到最先進的 AI 編碼代理

從 2 月到 5 月正式推出的 0.2.x 系列版本，逐步穩定了終端體驗。當 Claude Code 正式上市時，它已經為持續性的軟體工程工作做好生產準備 。

模型演進：Opus 4.x 系列驅動的王者之路

Claude Code 的能力背後，是 Anthropic 一脈相承的旗艦模型。每一代的 Opus 都直接改善了這項工具的編碼、推理與可靠性。

Claude Opus 4.5（2025 年 11 月）

2025 年 11 月發布的 Claude Opus 4.5 被定位為世界上在編碼、代理及電腦使用上最優秀的模型 。它奠定了 Opus 4.x 架構的基礎，成為平台的根基。

Claude Opus 4.6（2026 年 2 月 5 日）

Opus 4.6 在規劃、長時間代理任務的可靠性，以及大型程式碼庫中的操作方面都帶來了顯著改進。最值得注意的是，它在測試階段導入了 100 萬個 token 的上下文窗口——這是首款能處理此規模上下文的 Opus 等級模型 。

Claude Opus 4.7（2026 年 4 月）

從 Opus 4.6 到 4.7 的躍進，對編碼評測而言是震撼性的。僅在一次模型發布中，Anthropic 就將 SWE-bench Verified（自適應模式）的成績從 80.8% 推升至 87.6% 。它也將 SWE-bench Pro 的成績從 53.4% 拉高到 64.3%——領先最接近的競爭對手超過 10 個百分點 。

Opus 4.7 導入了「自適應思考」，能根據任務動態分配運算資源，並在 Anthropic API、Amazon Bedrock 和 Google Cloud 的 Vertex AI 上，將 100 萬 token 的上下文窗口穩定至生產品質 。

Claude Opus 4.8（2026 年 5 月 28 日）

最近的模型升級重點在於精煉而非變革。Opus 4.8 直接建立在 Opus 4.7 之上，將 SWE-bench Pro 的分數從 64.3% 提升到 69.2%，同時大幅降低了未被察覺的程式碼缺陷率。Anthropic 報告指出，該模型讓自己程式碼中的缺陷被忽略的機率降低了四倍，並且測試者觀察到它更願意標記不確定性並避免沒有根據的宣稱 。

最重要的是，Opus 4.8 與 Opus 4.7 的 API 完全相容，且價格相同。它還帶來了比先前模型快 2.5 倍、成本僅為三分之一的「快速模式」，直接改善了 Claude Code 中的開發者體驗 。

Code with Claude 2026：Dreaming、託管代理與平台轉向

Anthropic 於 2026 年 5 月 6 日在舊金山舉辦了首次年度開發者大會「Code with Claude」，並在倫敦和東京舉辦了衛星活動 。這場活動並未展示新模型，而是完全聚焦於平台功能——最引人注目的是針對 Claude 託管代理（Claude Managed Agents）的新功能。

四大託管代理新功能

Anthropic 為其託管、具狀態的代理執行環境推出了四項功能。該環境約在一個月前，即 2026 年 4 月初，剛進入公開測試階段 。

Dreaming（研究預覽） 是這批功能中概念上最具野心的。當代理處於閒置狀態時，一個排程的背景程序會回顧最多 100 次過去的對話，提取重複出現的模式、工作流程與錯誤，然後改寫代理的記憶儲存區，以提高其信號品質。原始的對話資料將保持不可變更——代理只有在明確採納這些記憶更新時才會改變，而開發者可以選擇在記憶變更前進行手動審查 。

這項機制能有效地讓代理在無需直接重新訓練的情況下持續改進。該功能目前處於研究預覽階段，需要申請才能使用 。

Outcomes（公開測試版） 導入了結構化的成功標準。一個獨立的評估器會在隔離的上下文窗口中運行，根據開發者定義的評分標準為代理的產出評分。如果分數低於設定的閾值，代理會自動重試 。

多代理協作（Multi-Agent Orchestration，公開測試版） 允許一個主導代理拆解複雜任務，並將工作派送給一群專業的子代理。每個子代理可以有自己的模型、提示和工具，並在共享的檔案系統上並行作業 。

Webhooks（公開測試版） 讓代理可以在任務完成時向外部系統發送通知，將代理工作流程從對話式轉變為事件驅動 。

其他發布

除了託管代理的功能外，Code with Claude 還有以下幾項重要發布：

• Claude Finance：一組 10 個預先建置的金融代理，據報其中「Finance Agent v1.1」的基準測試表現為 64.4% 。
• Add-ins：一種新的擴充機制，可將外部工具整合到 Claude 的介面中 。
• SpaceX 超級電腦合作：一項讓 Claude Code 在 SpaceX 的 Colossus 超級電腦上使用配額翻倍的協議，顯示了 Anthropic 對大規模運算可用性的野心 。
• 動態工作流程（Dynamic Workflows）：Claude Code 內的一項研究預覽功能，能產生數十到數百個平行的子代理來驗證輸出結果，最後才回報 。

Claude Code 的評測表現：87.6% 的 SWE-bench 分數與其意義

Claude Code 最受關注的基準測試成績，是使用 Claude Opus 4.7 在自適應模式下，於 SWE-bench Verified 達成的 87.6% 。截至 2026 年 6 月，這是已公開發布的一般可用 AI 編碼代理中，最高的成績。

SWE-bench Verified 是一組從開源 Python 儲存庫中精選的 500 個真實 GitHub 議題，代理必須端到端地解決這些問題。它已成為代理式軟體工程的行業標準參考，而 Claude Code 在這項排行榜上的攀升——從 Opus 4.5 的 80.9% 到 Opus 4.7 的 87.6%——一直是該產品發展的核心敘事 。

自適應執行環境（Adaptive Harness）

87.6% 這個數字並非靜態的。它取決於模型、提示，以及負責協調工具使用的「執行環境（harness）」。Claude Opus 4.7 的自適應模式能為每個任務動態分配運算資源，為複雜的重構任務發送更多資源。如果沒有這個自適應執行環境，單獨運行的 Claude Code 在相同基準測試上的得分是 80.8% 。

在更困難的 SWE-bench Pro 基準測試中——該測試旨在解決更難的真實世界問題——Opus 4.7 得分為 64.3%，領先 GPT-5.4（57.7%）、GPT-5.5（58.6%）和 Gemini 3.1 Pro（54.2%）。Opus 4.8 隨後將 SWE-bench Pro 的成績進一步推至 69.2% 。

其他基準測試與競爭態勢

Claude Code 的效能延伸至多項基準測試：

• Terminal-Bench 2.0：在 Opus 4.7 上達到 69.4% 。
• CursorBench：在 Opus 4.7 上達到 70%，高於 Opus 4.6 的 58% 。
• MCP-Atlas：工具使用效能達 77.3% 。

在盲測的程式碼品質審查中，Claude Code 在與競爭對手的直接比較中贏得了 67% 的勝率 。

值得留意的是，競爭態勢依然瞬息萬變。OpenAI 的 GPT-5.5 曾在 2026 年中，短暫地以 88.7% 的成績在 SWE-bench Verified 取得領先，形成 Claude Code 在 SWE-bench Pro 上領先，而 GPT-5.5 在 Verified 上領先的局面 。隨著每次模型發布，排行榜仍在持續演進。

專案級自主性：Anthropic 的差異化策略

Anthropic 對 Claude Code 的定位已圍繞著「長時程自主性」這個概念凝聚成形。Claude Opus 4.8 被描述為擁有「能持續處理長時間任務的一致性和自主性」，並被明確標記為「Anthropic 在複雜推理、長時程代理編碼和高自主性工作中，能力最強的模型」。

這種對持續、獨立運作的重視，而非單次提示補全，正是 Claude Code 最明顯的差異化之處。像 Dreaming、自適應運算分配、多代理協作等功能，都指向一種理念：期望代理能跨工作階段運作，從自身輸出中學習，並在開發者最少干預的情況下，管理複雜的多檔案專案。

Anthropic 也開始強調模型的「誠實」作為競爭優勢。Opus 4.8 的發布重點說明了該模型更願意標記不確定性，並避免做出沒有根據的宣稱——這是一種務實的、以安全為導向的框架，旨在吸引需要在生產環境中信任其代理輸出的開發者 。