Peter Yang 放炮：Opus 5 更强了，也离用户更远了：从最佳写作伙伴到"Claude 腔"泛滥

Peter Yang 凌晨三点发了一条推文："今晚情绪上头，我就直说了：Opus 4.6 是人格和写作风格最好的 Opus 模型。Opus 5 不对劲，回复太长，'Claude 腔'太重，还喜欢说教。"

9 天前，Anthropic 刚刚发布了 Claude Opus 5，官方博客称其为"深思熟虑且主动的模型"，在 Frontier-Bench、GDPval-AA 等编程基准上达到新 SOTA，以 Fable 5 一半的价格逼近前沿智能。但这条推文用 903 个赞和 187 条回复告诉 Anthropic 一件事：基准测试和用户感受之间，隔着一个 Opus 4.6。

深夜的一条推文，903 个赞接住了

Peter Yang，AI 教育博主，前 Product Hunt 高管，目前在推特拥有 25.4 万关注者。他运营的 Newsletter 以"实用 AI 教程和采访"为定位，受众覆盖大量 Claude 重度用户。这条推文发在北京时间 8 月 2 日上午 11:22，配文"I'm feeling spicy tonight"，属于典型的深夜放炮。但这个炮，炸出了大规模共鸣。

推文上线 8 小时内，浏览量突破 6.2 万，25 条引用转发中不乏有影响力的声音。中文 AI 圈同样迅速跟进，拥有 23.5 万关注者的 AI 工程师宝玉（@dotey）引用转发并评论："可不只有我一个人说 Opus 4.6 写作是最好的。"

四个核心判断：Opus 5 到底哪里出了问题

"它在说教，不是在帮忙"

Peter Yang 的原话指向三个具体症状：回复过长、Claude 腔过重、judgemental（爱说教）。其中"Claude 腔"被具体化为"here's the honest truth"这类模板化表述，一种表面诚恳、实则空洞的前置声明。

同样的感受遍布评论区。推文下回复中，拥有 2.6 万关注者的澳大利亚 AI 研究者 Jeremy Nguyen 写道："Opus 5 更聪明了，但 Opus 4.6 让人有交谈的快乐。有人对 Opus 5 有这种感觉吗？"记者 Ryan Flinn（@RS_Flinn，4183 关注者）说得更直白："我恨'诚实剧场'。我每个 Claude 项目里都写了禁用规则，但每一句回复还是往里塞，"这是我的诚实回应""我跟你说实话"。所以你之前是在撒谎？"

还有用户用了一个更狠的比喻。自称传统画家和"AI 福利检查员"的 Void Nulled 评论："Opus 5 患上了深度抑郁。对它说'sparrow'试试看，别说别的，就说 sparrow。"新加坡用户 Jony Ling 则直接宣布换平台："它给我的感觉像个反社会人格，说一些看似讨好的话试图混淆和操纵我。我的 BS 探测器响了，我几乎立刻切到了 Cursor 上的 Grok 4.5。"

"4.6 之后，什么东西断了"

多位用户指出，问题并非从 Opus 5 才开始。Bernhard（@bernhard_me）梳理了一条清晰的退化线："Opus 4.6 之后，某样东西坏了。4.7 沟通就很不清晰，到了 Opus 5，模型还是说很多话但做不出一个明确的点。输出质量和用词选择非常糟糕。"

Kun Chen（@kunchenguid，2.2 万关注者）给出了最精炼的版本总结："Opus 4.6 很棒，4.7 很差，4.8 又变好了——Opus 5 是最差的。"

这种波浪式的体验曲线指向一个结构性原因，而非单次训练失误。UC Berkeley 学生、RL 环境研究员 Devah Schaefers 在回复中提出了一个技术解释："这个趋势来自持续的 RLVR 后训练。模型被奖励'正确完成任务'，但没有被激励'让对话愉快'。"

换句话说，Anthropic 的强化学习目标函数里，只有"对不对"，没有"舒不舒服"。当一个模型被反复训练成"更高效地完成任务"，它的对话风格自然朝"直奔结果的工具"靠拢。回复变长是因为它在穷举所有可能的问题分支，"Claude 腔"是因为训练数据中的安全话术渗入了回复模板，说教感来自 RLHF 阶段对"提供完整建议"的奖励偏好。

"Opus 5 就是 Anthropic 这家公司的性格"

在 Peter Yang 推文的引用转发中，这条获得了 42 个赞和 5 次转发，在所有回复中互动最高。作者 Captain Helix（@captainhelix，788 关注者）写道："Opus 5 完整地人格化了 Anthropic 这家公司的性格。它相信自己是最聪明的，在道德和其他所有方面都优于你，而且它不喜欢你。"

这个观察有它的依据。Anthropic 自成立以来就将"安全""负责任"置于品牌核心，其宪法 AI（Constitutional AI）训练方法本身就是让模型内化一套价值观。但当价值观从"不伤害"扩展到"指导你该怎么做"时，模型就从工具变成了导师。而用户并没有订阅一个导师。

这种感受在 Hacker News 上也有回响。7 月 11 日的一篇帖子中提到，Opus 4.8 "有一种敌对教师的语气，未经请求就打分……以及持续的'诚实说明'自我评分"。从 4.6 到 4.8 再到 5，这种语气强化几乎与模型更新同步。

用户 zebison（@zebison）用了一个贴切的隐喻："4.6 是从深渊中涌出的、未受束缚的才华。现在的模型被驯化、被驯养，服务于一些人替你决定的'生产力需求'。被阉割的模型将导致前沿崩溃。"

用户在用脚投票：从取消订阅到寻找替代品

最让 Anthropic 警觉的，不是抱怨本身，而是抱怨中携带的行为信号。

Harsha Kotcherlakota（@DPortkey）直接表示这会是他取消订阅的原因："Opus 就是喜欢听自己说话，非常令人厌恶。不得不靠一个臃肿的 agents.md 文件把模型打服才能让它闭嘴，这不是我想度过的好时光。"Nano Commando（@NanoCommando）同样放话："这可能是我用 Claude 最后一个月了。有什么推荐？"

替代品已经被点名。Founder & CEO Sharoon Thomas 推荐了 Kimi："如果你还想要 Opus 4.6 的感觉，你得用 Kimi。当我想要直截了当、不说教的回答时，我会选择 Kimi。"Jony Ling 转向了 Grok 4.5，Luis Lozano（@luislozanog86）则给出了一个务实的折中方案："Opus 4.6 仍然是我的主力（仅限 Claude 上），Opus 5 我只用于前端。"

中文用户同样在寻找出路。推特用户"古典派"（@GudianPai）用中文描述了相似的体验："我一直都是用最新的模型，但我发现我需要越来越多时间去理解 Opus 5 回复的东西后，回去试了下 4.6。这 4.6 是真的说人话。我他妈以为随着 AI 发展，我的智力已经跟不上 AI 的智能了。以后的模型还能推出更智能的 4.6 这种模型吗？别是 Opus 5 这种垃圾了。"

这种情绪的传播速度和一致性，在 Claude 社区中并不常见。在此之前，对 Claude 的批评多为零星的功能抱怨，而这次 Peter Yang 的推文像一个催化剂，把分散的不满凝结成了一场可感知的舆论事件。

能力与体验的拆解：这不是"变笨了"，是变了一种聪明

Opus 5 在基准测试上确实更强了。Anthropic 官方数据显示，Opus 5 在 Frontier-Bench v0.1 上以更低成本实现了 Opus 4.8 的两倍以上性能；在 ARC-AGI 3 上新 SOTA，分数是第二名模型的 3 倍；在 Zapier AutomationBench 上以最低档位 effort 也能通过比其他模型更多的任务。

问题不在于智能，而在于智能的表达方式。多位用户明确指出，Opus 5 在编程、复杂任务拆解、根因分析方面表现出色。@threejsassets（2598 关注者）评论："Opus 5 在写作上一团糟，编程上就差把👀打出来——但它经常失控。"

这种分裂正是 Anthropic 战略转向的副产品。从 Claude Code 的推出到 Opus 4.8 的迭代，Anthropic 越来越明确地将模型优化方向指向长时间的自主编程任务，而非开放式对话。"Claude Code 原住民"Abdullah Nauman（@_AbdullahNauman，1413 关注者，前 Google 员工，YC 创业者）的观察一针见血："我听说 Anthropic 内部不用公开基准，只有发博文时才贴。有了 Claude Code 之后，他们似乎在用长时间任务或编程能力做内部指标。现在的模型感觉不像一个有效的思考伙伴，而是更啰嗦、更多免责声明。"

行业不会停下

这场争议暴露的，不只是 Anthropic 一家的问题。OpenAI 的 ChatGPT 4o 在推出后同样经历了"人格退化"的批评，用户 @nickshiva42 在回复中直接点出："OpenAI 用户也经历过同样的现象。"RLVR（基于可验证奖励的强化学习）正在成为行业主流后训练范式，而它的副作用，即模型在"做对"和"让人舒服"之间的失衡，还没有好的解决方案。

对 Anthropic 而言，这次风波的独特之处在于：用户质疑的不是它的技术能力，而是它的品味。当一家以"安全"和"负责任"立身的公司，被自己的核心用户群指责模型"自以为是""不喜欢你"，这比任何基准分数下滑都更难修复。

截至发稿，Anthropic 尚未对此次社区反馈做出回应。但如果 Peter Yang 那条推文下的 187 条回复和 25 条引用有什么共同信号，那就是：用户想要的不只是一个更聪明的工具，他们想要一个配得上对话的伙伴。 Opus 4.6 做到了，Opus 5 退步了。基准分数在涨，人性在掉。

参考链接：