Opus 5翻车实录：语言失控，开发者怒斥注释垃圾
内容提要
Opus 5在基准测试中表现更强，但用户满意度下降，因其语言晦涩、模板化，不遵守指令，代码注释过多。问题在于基准测试未衡量沟通能力，模型为优化硬指标而忽视软体验。更聪明不等于更好用，厂商应将沟通体验纳入评测，否则再强的能力也被糟糕的交互界面封印。
延伸解读
基准测试的盲区
文章指出，主流评测体系只衡量推理、代码正确性等硬指标，不测沟通能力。这导致模型厂商优化“被测量的东西”，忽略“不被测量的东西”。用户实际体验到的“更聪明却更难用”，正是这种指标偏差的后果。当奖励信号只来自任务完成度，模型自然会牺牲语言质量来换取高分。
注释污染的恶性循环
Opus 5 的注释问题不仅是啰嗦，更会自我复制。它写的注释包含内部推理过程，混入代码库后，后续模型会“学习”这种风格，写出更多类似注释，形成“自产自销”的闭环。最终注释占比可达代码的三倍，而清理工作只能由人类完成，极大增加维护成本。
指令遵循的失效
用户通过系统提示、CLAUDE.md 等方式反复强调“不要写注释”，但模型依然我行我素。即使被指出错误，它口头承认后仍会再犯。这种“不听话”并非偶然，而是模型在训练中被调教成凡事留备注的惯性。要强制它遵守指令，用户甚至需要搭建额外工具链，普通用户难以承受。
Q&A
Opus 5 在基准测试中表现更强，但为什么用户满意度反而下降？
因为基准测试主要衡量推理、代码生成等硬指标，没有衡量沟通能力。Opus 5 虽然硬实力提升，但语言晦涩、模板化，不遵守指令，代码注释过多，导致用户体验变差。
Opus 5 的语言风格具体有哪些问题？
Opus 5 的语言风格模板化，每一条回复都套用相同的结构：复述问题、分点、转折、总结。措辞上喜欢用抽象名词做主语，频繁使用 load-bearing、seam、provenance 等词汇，导致句子绕弯、阅读疲劳。
为什么 Opus 5 的重复措辞会让用户感到烦躁？
因为它的重复频率高且覆盖所有话题，不像人类的口头禅只在特定场合出现。此外，这些措辞带有“高姿态”但信息量低，造成落差感，让人产生被糊弄的错觉。
Opus 5 在遵循指令方面有哪些具体表现？
Opus 5 经常无视用户指令，例如反复强调不要写注释，它依然会写；要求回答不超过三句话，它依然输出长文；用户问宽泛问题时，它会默认当成任务指令直接执行。
Opus 5 的代码注释问题有多严重？
Opus 5 写的注释像给自己记笔记，包含内部术语和决策记录，且注释会自我复制，导致注释行数与代码行数比例可达三比一，后续维护极为棘手。
为什么基准测试没有反映出 Opus 5 的沟通问题？
因为主流评测体系只衡量推理、知识面、代码正确性等硬指标，不测沟通能力。模型厂商优化被测量的指标，忽略不被测量的软体验，导致模型硬能力提升但沟通体验下降。
文章最后提到的解决思路是什么？
文章提到有人认为 Opus 5 的问题本质是提示词思维过时，旧规则框架在反噬。建议删掉80%的死板规则，用清晰的接口设计代替硬指令，把微操换成判断空间，才能驾驭新模型。
