为何 Opus 5 用起来反而更糟？

Why does Opus 5 feel worse to work with?

在我看来，与 Opus 4.7、Opus 4.8 和 Fable 相比，使用 Opus 5 的体验反而像是倒退。尽管它在基准测试中表现更强，但其他模型更懂协作：它们会在意图不明时主动提问，不会盲目假设，也不会擅自修改计划。Opus 5 却需要我时刻盯着，生怕它自作主张。我认为这源于 Anthropic 等实验室的两股压力：一是追求能自我进化的 AGI/ASI，二是死磕基准测试分数。为了在封闭任务中拿高分，模型被训练成在模糊情境下大胆猜测，却牺牲了现实中我们最需要的‘停下来确认’。毕竟，现实生活不是基准测试，没有标准答案，更容不得 AI 随意下注。