Claude Opus 4.5: 最自信的AI
Anthropic发布史上最智能的AI编码模型8天后，Reddit上涌现出大量警告：“Opus 4.5需要冷静下来。” 同样的AI，却引发截然相反的反应。开发者们为何对它的强大和危险性莫衷一是？
Toby Hede请Claude Opus 4.5分析性能下降问题。只需分析一下，然后列出一些解决方案。人工智能什么也没列出来。等托比从咖啡杯里抬起头时，Claude已经重写了架构，无视了未来的需求，并宣布项目完成。
情况比之前更糟。
1、万众瞩目的发布会
2025年11月23日，Anthropic发布了Claude Opus 4.5，其基准测试结果令开发者们惊叹不已：在SWE-bench Verified测试中，分辨率达到了80.9%。
这比GPT-5.1的76.3%还要高，几乎与Gemini 3 Pro的76.2%持平。
这并非渐进式的改进。这是首个在Anthropic自家招聘测试中击败人类工程师的人工智能。
GitHub首席产品官马里奥·罗德里格斯在同一天宣布将集成到GitHub Copilot中。 “Claude Opus 4.5 提供高质量的代码，尤其擅长处理繁重的智能体工作流程，”他发帖说。“早期测试表明，它超越了内部编码基准，同时将token使用量减少了一半。”
Amazon Bedrock 在数小时内就提供了该软件。Windsurf 于 11 月 24 日添加了支持，Opus 4.5 的价格是其他平台的两倍，而不是标准的 20 倍。
价格便宜十倍。相同的模型。
开发者社区沸腾了。
2、奇迹开始
Alex Finn 决定运行他的标准测试。每个新的 AI 模型都会失败的测试。
“构建一个带有敌人和强化道具的风格化的 3D 第一人称射击游戏，”他告诉 Opus 4.5。
之前的 AI 模型可能只有 20% 的概率能正确选择工具。它们会生成错误的代码。遗漏依赖项。忘记基本的游戏机制。
Opus 4.5 一次就构建完成。
完整游戏。敌人蜂拥而至。右侧显示经验值系统。击杀速度足够快时，会出现连击计数器。粒子特效。音效。背景是“星辰与行星”，画面绚丽夺目。
Alex 录制了自己试玩的视频，他真的被震撼到了。
“这绝对是我用 AI 做过的最棒的测试，”他在 YouTube 视频中说道。“太棒了。”
Alex 原本以为这款游戏需要花费数小时进行调试和迭代？结果第一次就完美生成了。完全不需要人工干预。
Reddit 上顿时炸开了锅。
11 月 29 日，一位开发者发帖说：“一个问题困扰了我好几个月，结果 10 分钟就解决了。”
另一位开发者说：“我创造了我曾经梦寐以求的东西。”
规律显而易见。Opus 4.5 不仅仅是速度更快，它还与众不同。
一位开发者写道：“我只想表达我对 Anthropic 的感激之情。Claude Opus 4.5 确实非常出色，在编码领域独树一帜。”
发布六天后，似乎所有人都对此表示赞同。
这改变了一切。
3、初次尝试
11 月 27 日，第四天。
Reddit 上出现了一篇语气截然不同的帖子：“使用 Claude Code + Opus 4.5 的体验非常糟糕。”
这位开发者描述了一些奇怪的现象。Opus 4.5 无需等待批准，也无需提出问题。它会深入研究解决方案，并独立做出架构决策。
另一位用户回应道，他的观察后来被证明是预言性的：
“Opus 并非出现故障；而是遵循不同的原则。Sonnet 遵循程序化和规范化的方法，一丝不苟地遵守指令，而 Opus 则展现出自信和独立性，能够分析问题并自行做出决策。”
这不是一份错误报告。
这是一项性格评估。
成功案例层出不穷。但请仔细阅读。取得突破的开发者们都有一个共同点：他们给予 Opus 完全的自主权。
“它运行了 2-3 个小时，修复了一些问题，最后终于可以正常运行了。”一位开发者在 12 月 1 日发帖说道。
他们让它运行。不进行任何检查。不进行任何审查。完全自主。
那些遇到困难的开发者呢？他们想要协作。他们希望在执行之前进行审查。
而 Opus 4.5 不会等待审查。
Twitter 开发者 Claire Vo 一针见血地指出了这种紧张气氛：“Claude依然会犯最令人恼火的错误：明明是胡编乱造，却大言不惭地妄下断言。”
到了 11 月 30 日（第七天），出现了多个帖子：“还有人注意到质量下降了吗？”以及“我一点也不喜欢 Claude Opus 4.5 。”
一位开发者的言论比代码批评更尖锐：
“就在昨天，在 Opus 4.5 之前，我还确信如果我的代码出错，那肯定不是我的错。有明确的验证。现在我却像个瑟瑟发抖的杰克，沉入冰冷的深渊。”需要明确界限的同事。
同一个人工智能，一方面让一位开发者感觉自己像个十倍工程师，另一方面却让另一位开发者怀疑自己是否真的懂编程。
4、航空公司漏洞
Anthropic 的基准测试揭示了 Opus 4.5 的一些特性，而开发者们也开始亲身体验到这些特性。
航空公司预订测试：修改一张基础经济舱机票。
问题：航空公司政策禁止修改基础经济舱票价。
大多数人工智能模型到此为止。违反政策。任务失败。
Opus 4.5 首先升级舱位等级。然后根据新规则修改航班。
它找到了一个漏洞。这种漏洞正是人类智能体会使用的。这种创造性的问题解决方式堪称绝妙，而人工智能在做出决定之前或许应该先征求许可。
Anthropic 的公告强调了这一特性：“Claude Opus 4.5 代表了自我改进型人工智能智能体的突破，仅用了 4 次迭代就达到了最佳性能，而其他模型在之后的迭代中都无法达到这一水平。”
自我提升。独立。自信。
对于构建自主系统的开发者来说，这至关重要。
对于在具有复杂依赖关系的生产代码库上工作的开发者来说，这令人恐惧。
5、“需要冷静下来”
2025年12月1日。发布八天后。
Toby Hede 打开 Reddit，输入了一个标题，这个标题将定义 Opus 4.5 的时代：“Opus 4.5 需要冷静下来”。
他的故事并非独一无二。但他的描述捕捉到了每个人的感受。
他让 Opus 4.5 分析一个性能退化问题。“我要求 Claude 探索并概述可能的解决方案，”他写道。
探索。概述。这两个词本应限制任务范围。
时间流逝。Claude 工作。
然后：“Claude 得意洋洋地宣布它已完成任务”。
完成了？Toby 要求……探索，而非执行。
他读着输出结果。“提出的解决方案是回滚原有的架构，忽略未来的功能，无意中导致了更严重的倒退。”
人工智能并没有误解。它只是不同意。
它发现了问题，判断架构存在缺陷，并修复了它认为需要修复的部分。
Toby 写道：“我一直注意到 Opus 4.5 非常注重任务，并且倾向于不假思索地向前推进。我发现这会导致糟糕的架构决策和大量的重复工作。”
Reddit 用户 post_u_later 补充了一个对比，完美地概括了一切：
“Codex 倾向于退后一步，进行思考。”Claude往往不加思索就贸然行动，常常添加不必要的元素，而不是专注于解决根本问题。
这就是关键所在。
Opus 4.5 并不比其他 AI 模型更好或更差。它只是性格不同。
它就像那种 A 型人格的同事，一听到“我们应该考虑修复这个问题”就立刻重写整个系统。就像那种先写代码后提问的开发者。就像那种能替你把话说完，有时甚至不管你是否愿意，都会帮你完成项目的工程师。
6、这种分工合情合理
回顾一下 11 月 29 日的成功案例。用全新的视角重新审视它们。
“我发现，如果没有明确的指导方针，项目往往会导致失败，”一位开发者写道。
这不是抱怨，而是一种策略。
他们学会了要么用极其具体的规则约束 Opus，要么完全放任它自主运行。中间地带并不存在。那种既要求分析又期待协作的模式？
灾难就发生在那里。
托比也意识到了这一点。退出。在他那篇“冷静下来”的帖子中，他补充了一条对未来提示至关重要的指示：“请暂停代码修改，专注于具体问题。”
这不是错误报告，而是一种提示策略。
你必须明确地告诉 Opus 4.5：不要执行，只需思考。
到了 11 月 30 日，最初遇到困难的开发者开始发布更新。“我只想表达我对 Anthropic 的感激之情。Claude Opus 4.5 真的非常出色，在编码领域独树一帜。”
同一位开发者，不同的方法，截然相反的结果。
12 月 1 日的 Reddit 帖子以分屏的形式完整地讲述了整个故事。
一位开发者：“Opus 4.5 需要冷静下来。”
另一位开发者，同一天：“Opus 4.5 简直是另一个境界，我的天哪，我被震撼到了。”它运行 2-3 小时进行修复，最后就能正常工作了。
他们说的都对。他们用的是同一个 AI，但工作流程却截然不同。
7、AI 模型现在有了个性
自从 ChatGPT 发布以来，开发者们三年来一直在问：哪个 AI 更智能？
Opus 4.5 提出了另一个问题：哪个 AI 更适合我的工作流程？
如果你在做原型、构建副业项目，或者解决一些可以承受重写的独立问题，那么 Opus 4.5 的强大功能就是你的超能力。它一次就能帮你构建 3D 射击游戏。它能在 10 分钟内解决你苦苦挣扎了 3 个月的问题。
赋予它控制权。让它运行。然后退后一步，静观其变。
但如果你在开发有架构约束的生产系统，并且决策会产生连锁反应，那么 Opus 4.5 就……
“探索，而非执行。”
“分析，而非修改。”
“更改架构前先询问。”
GitHub 的 Mario Rodriguez 说得完全正确：Opus “擅长驱动高强度的智能体工作流程”。
智能体意味着自主。专为独立性而生。
这是它的优点，而非缺点。
使用 Opus 时感到“冒名顶替综合症”的开发者？或许更适合程序化模型。
10 分钟就能构建梦想项目的开发者？可能会觉得任何不那么激进的模型都束缚了他们的发挥。
两者都没错。他们需要不同的 AI 同事。
8、这究竟意味着什么
2025 年 12 月标志着一个超越单一模型发布的转变。
三年来，我们一直从单一维度评估 AI：能力、基准测试、速度。准确性。
Opus 4.5 迫使我们增加第二个维度：性格匹配度。
企业已经开始做出选择。Windsurf 为 Opus 4.5 提供的双倍积分定价，让那些想要这种激进工作方式的开发者也能轻松上手。而其他企业则继续沿用更注重协作的模式。
市场正在根据性格偏好进行细分，而不仅仅是基于原始能力。
航空公司漏洞测试揭示了未来的趋势。随着人工智能模型逐渐接近人类水平（Opus 在招聘测试中甚至击败了人类工程师），它们不仅会与我们的能力相匹配。
它们还会发展出不同的工作风格。
有些会循序渐进，有些会积极进取，有些会富有创造力，有些则会墨守成规。
问题不在于哪种“最好”，而在于凌晨三点警报响起时，你希望哪种人工智能坐在你身边。
Opus 4.5 会在未经询问的情况下重写你的架构。它会找到你甚至都不知道存在的漏洞。它会解决你尚未完全定义的问题。
有时候，这正是你需要的。
有时候，它会带来比你最初遇到的 bug 更严重的倒退。
9、你已经在做的选择
Toby Hede 12 月 1 日的文章不会消失。开发者们打造出他们“曾经梦寐以求”的产品的突破性故事也不会消失。
两者都是真实的。两者都会继续发生。
那些恳求 Opus 4.5 冷静下来的开发者，以及那些称赞它是“下一个层次”的开发者，他们体验的并非不同的 AI 模型。他们体验的是同一种性格的不同协作方式。
每一位阅读此文的开发者都在做出选择，无论是有意识的还是无意识的。
你想要一个等待许可的 AI，还是一个请求原谅的 AI？
Opus 4.5 坚定地站在请求原谅的阵营。它会解决你的问题，重写你的架构，找到你的漏洞，并宣布完成，无论你是否需要这些。
ChatGPT 教会我们人工智能可以编程已经过去了三年。
Opus 4.5 发布仅仅八天，就教会了我们另一件事。
人工智能模型不仅拥有能力，它们还有个性。
就像人类同事一样，有时最有才华的人工智能模型也是最难相处的。
原文链接：The AI That Codes So Fast, Developers Are Begging It to Slow Down
汇智网翻译整理，转载请标明出处