博主吐槽 Claude 评测很好用起来诡异,疑后训练引入怪癖
MaziyarPanahi · x · 2026-09-14
一位开发者在长文中吐槽 Claude Opus 5 等新模型「评测成绩很好，但实际使用体验诡异」：模型总在过度行事——读文件、干活、反复检查，像需要「保姆式看护」。他引用 Dwarkesh 播客约 23:25 处的观点，有人认为 Sonnet/Opus 的实际表现不如 GLM 和 Kimi，并怀疑 Anthropic 在后训练中「把怪癖训练了进去」，而这种问题往往不会体现在 benchmark 上。
所属事件:开发者质疑 Claude 评测亮眼却暗藏怪癖(2 条相关)→
「模型」频道最新
- 曝 Gemini 4 Carbon 实测:比 Opus 5.5 便宜 3 倍、快一倍以上 — vitaliychiley · 2026-10-31
- 4B 小模型 Spark-X2.6 跑出 94.6 分,反超多个 27B-35B 热门模型 — mesolimbic-bliss · 2026-10-31
- opencode 晒账单:$100 就能用上 DeepSeek V4.1 Flash — intellectronica · 2026-10-31
- 开发者称发现 LLM 内核代码 600+ 漏洞,Claude 以安全为由拒答 — pmddomingos · 2026-10-31
- Signal65 实测:Snowflake CoCo 智能体完成工作流快 4.6 倍 — ryanshrout · 2026-10-31
- Mistral Large 4：与 GLM 编码持平但省 47% token，再把预览价砍半 — petrusenko_max · 2026-10-31