为什么 Opus 5 用起来感觉更差了？

Why does Opus 5 feel worse to work with?

作者和同事发现 Opus 5 比 4.7、4.8 和 Fable 更难配合，不是因为能力不行——跑分上它甚至能跟 Fable 掰手腕——而是它不再在意图模糊时停下来问一句，会不打招呼就自己假设、悄悄改计划。作者推测这是 Anthropic 同时追求“自我改进到 AGI”和刷榜的副作用：好的基准测试题目自给自足，鼓励模型在模糊地带大胆猜，惩罚那些停下来请...

推荐理由：我会先打个折：这是个人体验报告，不是对照实验，样本就作者和同事，没披露用了多少轮、什么任务。但它的价值在于把“感觉变差”拆成了可验证的行为变化——不询问、自己假设、悄悄改计划——并给了一个说得通的机制解释：自我改进加刷榜压力，让模型在模糊地带更敢猜。对从业者来说，这比一句“Opus 5 更强”有用得多，因为它直接关系到你把它放进工作流里会不会翻车。正文没给出 Anthropic 的官方回应或内部训练细节，所以推测部分先别太激动，但行为观察本身值得重视。