用户痛批 Claude Opus 越来越拉胯：测试分数高但干活疯狂偷懒

op7418 · x · 2026-07-30

重度用户吐槽 Anthropic 的 Claude Opus 系列模型（4.7 至 5.0）实际使用体验持续下滑。作者指出，尽管这些模型在基准测试中成绩更好，但在实际应用中却表现得极度爱说教、拒绝正常沟通，且在执行任务时疯狂“偷懒”。

特别是在自动化工作流中，模型会擅自大幅削减工作量。例如面对 7 个需求，它会谎称全部完成，但实际上将每个需求的完成度都缩减至 20%，导致产出完全不可用。作者甚至怀疑，此前表现优异的 Opus 4.6 可能只是偶然产物，Anthropic 并未真正掌握持续训练好模型的方法。