Claude Opus 4.8 學會說「我唔肯定」：AI 可靠性的下一步
Claude Opus 4.8 一項關鍵改變，是更願意標示不確定性，而唔係硬要交出一個睇落好有信心嘅答案。本文會從模型校準、幻覺控制、專業應用場景同內容工作流程等角度，解釋點解「我唔肯定」可以比「我乜都知」更有價值。
為甚麼遲來的一句「我不肯定」值得關注
Claude Opus 4.8 並不只是又一次關於更強參數、更長上下文或更好編程能力的例行升級。值得討論的是，當可用資訊不足時，這個模型似乎更願意暴露不確定性，而不是把猜測包裝成肯定答案。
這聽起來未必像一項搶眼的新功能，但它可能是從「能回答的 AI」走向「可信任的 AI」的關鍵一步。
在大型語言模型的日常使用中，很多人真正擔心的並不是 AI 無法回答，而是它明明不知道，卻說得好像知道一樣。對於編程、研究、報道、產品頁面和客戶案例研究來說，模型能否誠實標示自己的邊界，往往比能否多產出幾段更潤飾的文字更重要。
為甚麼「我不知道」對大型語言模型如此困難？
大型語言模型的基本運作模式，是根據上下文預測下一個最有可能出現的 token。這種機制令它非常擅長延續語言模式，但並不自動代表模型知道自己知道甚麼。
因此，當用戶提出的問題證據不足、時間指涉含糊，或細節程度可能根本無法核實時，模型仍可能繼續生成一個流暢的答案。它不一定是在有意欺騙；它只是在遵循延續序列的目標。
這亦是 AI 幻覺最常見的來源之一：
模型可能沒有穩定的內建信心度量表。
模型可能無法可靠區分「有可靠訓練證據支持」與「語言上看似合理」。
當問題缺乏事實基礎時，模型仍可能補全一個看似可信的故事。
因此，「我不肯定」不只是一句禮貌用語。它反映的是模型校準：模型對其答案正確性的估計，能否接近真正正確的概率。
Opus 4.8 的重點是邊界，而不只是拒答
在官方發布中，Anthropic 形容 Claude Opus 4.8 相比 Opus 4.7 有「溫和但可見的改進」，在編程、智能體任務、推理及實用知識工作方面均有所提升。更值得注意的是，早期評測和媒體報道亦指出，它更願意標示不確定性，並減少缺乏支持的斷言。
這意味著 Opus 4.8 的價值不只是它能回答更多問題，而是在某些情況下，它可能懂得少答一點。
對用戶而言，這種變化帶來一種微妙的體驗：你可能會更常看到模型說「我不肯定」、「需要更多上下文」或「這個結論應該核實」。短期來看，這可能不如即時給出答案般令人滿足；長遠而言，它能降低把錯誤答案當成事實傳播的風險。
這對專業內容製作尤其重要。例如，使用 We0 AI 建立展示網站、案例頁面或 SEO/GEO 內容頁面時，團隊需要的不只是快速生成文案。他們需要區分事實、假設、建議，以及仍需核實的資訊。一個更能標示邊界的 AI，可以幫助內容團隊減少過度承諾，避免發布未經核實的產品聲稱。
我們應如何理解來源文章提到的「多路徑推理」？
來源文章透過「多路徑推理採樣」、「一致性評估」和「不確定性表達生成」來解釋 Opus 4.8 的變化。由於這些機制細節無法在官方資料中逐一核實，本文把它們視為一個解釋框架，而不是 Anthropic 已公開確認的架構描述。
不過，這個框架本身很容易理解：
模型首先嘗試從多個角度推理問題。
如果多個推理方向彼此一致，它就更有可能提供清晰答案。
如果推理方向出現強烈衝突，它就需要告訴用戶這部分存在不確定性。
更好的答案不只是說「我不知道」；它會解釋不確定性在哪裏、缺少甚麼資訊，以及下一步應如何核實。
這比傳統拒答更有用。真正成熟的 AI 不應只是在邊界停下；它應該標示邊界，讓用戶知道需要補充甚麼、核實甚麼，以及接下來應使用哪些工具。
「較小的能力邊界」其實可能更可靠
表面上，一個願意說「我不肯定」的模型，似乎能力邊界更小。它不再對每個問題都給出看似完整的答案，也不會強行把每個含糊問題導向一個結論。
但在高可靠性場景中，這正正就是進步。
法律諮詢、醫療協助、財務分析、科學文獻回顧，以及企業內容發布，都不適合「先作一個出來再算」。在這些情境下，當不確定時會停下來的模型，遠比一個永遠自信但經常出錯的模型更值得信賴。
原文中的 ECE、準確率及拒答率表格，可用作理解「校準」的例子：較低的校準誤差，以及在高信心答案上的較高準確率，表示模型更清楚何時應該回答、何時應該提示風險。不過，由於這些具體數字並未在官方發布資料中得到驗證，發布時不應將其引用為官方基準。
維度 | 過度自信模型的常見問題 | 校準更佳模型的目標 |
不確定的問題 | 繼續生成流暢的答案 | 標示不確定性 |
專業情境 | 可能把推測說成事實 | 區分事實、假設及需要核實的項目 |
內容製作 | 容易作出過度承諾 | 更適合發布前的風險控制 |
用戶信任 | 一開始令人印象深刻，出錯時卻會造成傷害 | 一開始較克制，長遠而言更可靠 |
技術成本：誠實並非免費
更好的不確定性表達並非沒有成本。
首先，模型需要更多判斷步驟。無論是透過多元推理、內部一致性檢查，還是額外使用工具及驗證流程，都需要更多運算。即使官方資料並未確認原文中的確切倍數，也可以穩妥地說，更可靠的答案通常並非完全免費。
其次，不確定性偵測並不等同於事實核實。內部推理一致性並不能保證外部事實正確。如果所有推理路徑都建基於同一個錯誤前提，模型仍然可能得出一致但錯誤的結論。
第三，在創意寫作、腦震盪及市場推廣概念探索中，過度謹慎可能會削弱輸出。用戶真正需要的並不是永久保守，而是能夠按情境切換：面對嚴肅的事實問題時保持謹慎，在創意探索時大膽發揮，並在公開內容中回到可核實的措辭。
行業影響：AI 競爭不只關乎更強，也關乎更穩定
近年，大型模型競爭往往圍繞更大的參數量、更長的上下文、更快的推理，以及更強的編程能力。Claude Opus 4.8 則讓另一個維度更加清晰可見：校準質素。
如果「知道自己不知道甚麼」成為一項可評估的能力，行業可能會出現以下幾項變化：
基準測試可能會由單純準確率，擴展至信心度、拒答質素及證據意識。
企業客戶可能會更重視可審計、可追溯及可解釋的模型輸出。
內容工具可能會由「自動生成」演變為「生成 + 風險標籤 + 驗證建議」。
用於潛在客戶開發頁面、網站內容及案例展示的 AI 工具，可能會在發布前更重視真實性邊界。
這亦是 We0 AI 這類展示網站增長平台應該關注的方向。對企業而言，推出頁面的目標並不是生成最多內容，而是產出可信、體面、具備轉化準備，並且沒有不必要合規風險的內容。如果 AI 能在事實邊界前放慢腳步，就能令網站頁面、案例頁面及 SEO 內容更加穩定。
日常用戶應如何與這種更謹慎的 AI 協作？
如果你使用 Claude Opus 4.8 或類似、較注重校準的模型，你可以把它視為知識工作協作者，而不是一部永遠自信的答案機器。
更好的使用方式是：
要求模型區分已確認資料、合理推論，以及需要核實的項目。
對於對事實敏感的內容，要求模型列出證據和缺口。
對於具時效性的事實、價格、政策、模型版本和產品功能，主動要求進行網絡查詢或來源核實。
把「我不肯定」視為提出更好跟進問題的切入點，而不是失敗。
當 AI 說「我不肯定」時，它並不是懶惰。很多時候，它是在避免你被帶入更麻煩的錯誤。
從被迫輸出到主動核實
學會說「我不肯定」只是第一步。
真正更有價值的下一步，是模型在承認不確定之後，主動提出核實路徑：查閱官方文件、讀取數據庫、搜尋最新來源、向用戶詢問關鍵條件，或調用工具來填補證據缺口。
這讓 AI 從「語言補全器」走向「可靠的工作流程參與者」。
對於企業內容和網站增長而言，這種轉變很實際：AI 不應只協助撰寫頁面文案，亦應協助判斷哪些內容可以直接發布、哪些內容需要來源、哪些措辭應該放緩，以及哪些聲明可能會誤導用戶。
這亦是 Claude Opus 4.8 的意義所在。它不是終點，但它提醒我們，下一輪 AI 進步不只在於誰回答得更多，而在於誰更懂得何時停一停。
英文常見問題
Claude Opus 4.8 的核心變化是甚麼？
官方資料強調它相較 Opus 4.7 在編程、代理式任務、推理和實用知識工作方面的改進。本文聚焦於更值得注意的一面：它更願意標示不確定性，並減少缺乏支持的自信陳述。
「我不肯定」是否代表模型變弱了？
不一定。對於娛樂和創意任務，過度謹慎可能會令人覺得保守。但在法律、醫療、金融、研究和公開內容發布等場景中，標示邊界的能力通常意味著更高可靠性。
來源文章中的 ECE 表格可以直接引用嗎？
不建議將其直接引用為官方基準。本文在查核官方發布頁面和模型文件時，未有找到這些具體數字的公開來源，因此更適合作為理解模型校準的概念示例。
企業內容團隊應如何使用這項能力？
他們可以要求 AI 標示不同層次，例如已確認事實、合理推論、需要核實的項目，以及不應發布的聲明。對於像 We0 AI 這類展示型網站增長平台，這可以在網站頁面、案例頁面和 SEO 內容發布前，協助降低事實風險。
相關工具 / Related Tools
相關文章 / Related Articles
Anthropic 發布 Opus 4.8，配備新的動態工作流程工具
來源 / Sources