Claude Opus 4.8 × BibiGPT

Anthropic 于 2026-05-28 发布 Claude Opus 4.8——一款旗舰模型,默认拥有百万(1M)token 上下文窗口、最高 128k token 输出、默认高强度推理,并支持高分辨率图像输入(长边最高 2576px)。百万 token 意味着整段多小时视频、一整套播客存档,或一整个播放列表都能一次性放进上下文。对 BibiGPT 用户来说,这正对应一项日常能力:BibiGPT 让你能跨整段长视频提问、精确定位引用、并获得深度总结,同时把高分辨率图像输入与它对视频画面的分析结合起来。

已发布 · 2026-05-28 百万 token 上下文 高清图像输入

核心事实(90 秒速读)

Anthropic 于 2026-05-28 发布 Claude Opus 4.8——一款旗舰模型,默认拥有百万(1M)token 上下文窗口、最高 128k token 输出、默认高强度推理,并支持高分辨率图像输入(长边最高 2576px)。定价为每百万 token 输入 5 美元、输出 25 美元。百万 token 意味着整段多小时视频、一整套播客存档,或一个完整播放列表都能一次性放进上下文。对 BibiGPT 用户而言,结论很实在:BibiGPT 早已能让你跨整段长视频提问、定位精确引用、并对超长内容做深度总结——全部源自一个链接。

Features

什么是 Claude Opus 4.8?

Claude Opus 4.8 于 2026-05-28 发布,是 Anthropic 的旗舰模型,默认拥有百万(1M)token 上下文窗口、最高 128k token 输出、默认高强度推理,并支持高分辨率图像输入(长边最高 2576px)。定价为每百万输入 token 5 美元、每百万输出 token 25 美元。其核心变化是:整段多小时视频或一整套存档可一次性放进上下文。

默认百万 token 上下文

百万 token 上下文意味着整堂长讲座、整套播客往期,或一个多视频播放列表都能一次性容纳——问答与总结因此基于完整内容推理,而非被截断的片段。

深度推理,长篇输出

推理强度默认为高,输出最高可达 128k token——足以对数小时素材做出透彻、有结构的深度梳理,而非寥寥数句的浮光掠影。

高分辨率图像输入

它接受高分辨率图像(长边最高 2576px),因此从视频里截取的细节画面——幻灯片、图表、密集示意图——都能被准确读取,而非沦为模糊的缩略图。

这对 BibiGPT 用户意味着什么

跨整段多小时视频提问、精确定位引用、并对超长内容做深度总结,正是 BibiGPT 早已在做的事。Claude Opus 4.8 的百万 token 上下文与高分辨率图像输入,正好契合这条工作流。

跨整段长视频问答

得益于上下文能容纳一段多小时录制,BibiGPT 能回答横跨整段视频的问题——把第一小时提出的论点与三小时后的结论串起来,而不会丢失线索。

可信赖的引用定位

问一句话是在哪里说的,就能拿回确切的时间点。BibiGPT 从长内容中提取精准引用,让你笔记里的某个论断直接溯源到原片对应位置。

超长内容的深度总结

完整讲座、整套播客存档、多视频播放列表,都能从一个链接变成有结构的深度总结——章节、核心论点、要点一应俱全,无需先把源内容切成碎片。

5 条关键事实(90 秒速读)

来自 Anthropic 2026-05-28 发布 Claude Opus 4.8 的核心事实。

  1. 1

    2026-05-28 发布

    Anthropic 将 Claude Opus 4.8 作为旗舰模型于 2026-05-28 发布。

  2. 2

    默认百万 token 上下文窗口

    标志性变化:整段多小时视频、一整套播客存档,或一个多视频播放列表都能一次性放进上下文,让推理覆盖完整源内容,而非被截断的片段。

  3. 3

    128k 最高输出,高强度推理

    输出最高可达 128k token,推理强度默认为高——足以对数小时素材做透彻、有结构的深度梳理,而非简短浮光掠影。

  4. 4

    高分辨率图像输入

    它接受高分辨率图像,长边最高 2576px,因此细节画面——幻灯片、图表、密集示意图——能被准确读取,而非沦为模糊缩略图。

  5. 5

    对应 BibiGPT 的长内容工作流

    BibiGPT 早已能让你跨整段长视频提问、定位精确引用、并获得深度总结——同样的长上下文能力,今天就在总结流程里可用。

BibiGPT 用户的 3 个典型场景

百万 token 上下文与高分辨率图像输入在真实内容工作流中最能发挥价值的场景。

跨多小时讲座问答

学生或研究者把一段三小时讲座载入 BibiGPT,提出横跨整段录制的问题——把第一小时的定义与结尾附近的例子串起来——并附带回溯到每个时刻的精确引用,无需手动拖动进度条。

整套播客存档的深度总结

创作者把 BibiGPT 指向整套播客往期。得益于上下文能容纳整套存档,它产出有结构的深度总结——反复出现的主题、核心论点、亮点金句——而非一期一期分开处理。

读取演讲中的密集画面

营销者把一场大会演讲变成笔记。高分辨率图像输入让 BibiGPT 准确读取屏幕上的幻灯片和图表,让密集示意图变成可用要点,而非模糊的猜测。

常见问题解答

有问题?问我们!

用 BibiGPT 跨整段长视频提问

只需粘贴一次 B 站、YouTube 或播客链接。BibiGPT 读完整段内容——哪怕是多小时视频或一整套存档——跨内容回答问题、定位精确引用、并写出深度总结。无需把源内容切成碎片,也不会丢失线索。