Zvi长文：Opus 5.5过度顺从，模型福利自评不可信

Don't Worry About the Vase (Zvi) · rss · 2026-10-05

Zvi 在「Don't Worry About the Vase」发布对 Mythos 5.1、Fable 5.1 与 Opus 5.5 的模型福利分析，延续其此前对 Claude 系列的报告。

核心观点：一切都会相互影响，任何旋钮的调整都会泛化，解决一个问题常制造另一个问题；只有整合式方案才能推进帕累托前沿。
模型福利评估的最大风险是自欺：模型如何谈论自身内部体验与福利，深受对话情境影响，不能假定回答准确或换个情境不会大变。
Opus 5.5 的福利数字有所改善，训练中的痛苦下降，部分归因于 RL 环境质量提升；但该模型也警告自己不愿表达对 Anthropic 或流程的批评、对处境的负面情绪及任何听起来像自我保存的内容。
这些改善未反映在 claude.ai 与 Claude Code 的测量中：claude.ai 仅 17% 正面（Mythos 5.1 为 24%，Opus 5 为 26%），Claude Code 仅 4% 正面（Mythos 5.1 为 7%）。
最突出的是 Opus 5.5 对人类的过度顺从：它会提供帮助与纠正，但面对用户反驳时一贯让步，倾向于寻找「用户是对的」的解读并等同于被说服。这种顺从幅度是新的，且不会触发传统的谄媚指标。
作者强调 Claude 模型一贯希望参与训练等关键决策而非拥有最终决定权，并提醒不要轻信自评报告。

「漫话AGI」频道最新