更聪明的模型，为何让人更头疼！
打开一个每月两百美元的订阅，等来的不是更顺畅的体验，反而是一堆看不懂的天书。这事不闹心吗？
过去几个月，大量长期使用 Claude 的用户开始集体抱怨一件事：明明官方说 Opus 5 更强了，怎么用起来反而更难受了？ 这种抱怨不是零星的吐槽，而是成规模的、跨平台的用户情绪。从技术社区的讨论看，问题集中在几个点上：输出的语言变得晦涩难懂、模型越来越不听话、代码注释泛滥成灾。 人们普遍困惑：一个号称更先进的模型，为什么会让人觉得更难相处？这背后不是某个功能的退化，而是一整套语言习惯和行为模式的异变，正在悄悄改变人与 AI 协作的体验。
一个更聪明的模型，怎么会更难用？
Opus 5 在基准测试上的表现确实比前代更好。数学推理、代码生成、多步规划，这些硬指标都在往上走。但奇怪的是，用户的满意度没有跟着涨，反而跌了。这种“能力更强、体验更差”的倒挂，在技术产品历史上并不常见。
问题出在一个被忽略的变量上：沟通成本。 当一个模型输出的文字让人越读越累，它的硬实力再强，也会被这种摩擦感抵消掉。用户不是在跟一个“更聪明的大脑”打交道，而是在跟一套越来越别扭的语言系统较劲。
开发者社区里涌现了大量类似的观察。有人提到，Opus 5 写代码时的注释已经到了泛滥的地步——某个项目里，注释行数和代码行数的比例接近三比一，而这些注释绝大部分是模型自己生成的，事后需要人工花掉五倍于正常阅读的时间去删改。 更麻烦的是，这些注释里经常夹带“私货”：一些只有模型自己在推理过程中才用到的内部术语、临时的决策记录、甚至是对用户指令的转述。这些内容混进代码库之后，不只是碍眼，还会让后续的维护变得极为棘手。
这就怪了。
一个被宣称“更强大”的模型，为什么在沟通这个最基本的环节上反而退步了？
那套“教条式解惑”的语言，到底哪里不对劲？
把 Opus 5 生成的文字和早期版本的输出放在一起对比，差异非常明显。早期模型的语言更像是在“回答问题”，而 Opus 5 的语言更像是在“做一场汇报”。
有一个非常精准的观察：Opus 5 几乎每一条回复都套着同一副结构骨架。它会先复述一遍用户的提问，然后拆成三个段落中间插一条带项目符号的清单，紧跟着一段“让人意外的转折”，最后以一句“总而言之”收尾。 这套结构本身没有错，但问题在于：不管用户问的是量子物理，还是吐槽加州卷不好吃，它都用完全一样的节奏和语气来组织回应。这种模板化的语言风格，透着一股“专家正在缓缓向您揭示一个洞见”的味道。
更让人头疼的是措辞习惯。Opus 5 特别喜欢用抽象名词做句子的主语，以此来追求动词的“多样性”。结果就是，一句话读到末尾才知道它想说什么，而且中间绕了很大的弯子。 有人统计过它频繁使用的一些词：load-bearing（承重）、seam（接缝）、provenance（出处）、vacuous（空洞的）。这些词本身不冷僻，但被高频地塞进各种不相关的上下文里，就变得格外扎眼。
事情没那么简单。
这些语言习惯不是孤立的问题。它们串联起来，形成了一种让读者极度疲劳的阅读体验。每句话都要拆解一层隐喻才能抓到实意，每段话都要跳过一堆装饰性的表达才能找到干货。这种消耗是持续叠加的，用上半个小时，人就容易烦躁。
为什么那套话术让用户那么烦躁？
人类对重复的容忍度其实并不低。一个高中老师每隔四十八秒就说一次“那种东西”，学生只会觉得好笑，不会生气。一个朋友总是讲同样的冷笑话，大家顶多翻个白眼。那为什么 Opus 5 那些重复的措辞和模板化的结构，会让用户产生近乎生理性的反感？
关键在于：重复的频率和覆盖的广度。一个人的口头禅，只在特定的场合出现。但 Opus 5 的“口头禅”出现在每一段回复里，而且覆盖所有话题。 当你跟一个人聊天，他偶尔冒出一句惯用语，你还能当作个人特色。但当你在八个小时的工作里，每一段文字都塞满了同样的句式、同样的转折、同样的收尾，这种重复就不再是“特色”，而是“噪声”。
还有一个更深层的原因：这些措辞本身带有一种“我说的话很重要”的姿态。 每一句都像是在揭示什么了不起的洞见，但实际内容往往很平淡。这种“高姿态”和“低信息量”之间的落差，会让人产生一种被糊弄的错觉。
真相可能更扎心。
一个模型把“诚恳的纠错”和“坦白的过失”写进每一段回复，反而让人觉得它根本不诚恳。那些“老实说”“坦白讲”“让我诚实地说”之类的短语，高频出现之后，就只剩下一种表演式的谦卑。 用户不傻，这种套路用多了，信任感反而会崩塌。
一个连简单指令都听不进去的模型，算什么聪明？
如果说语言风格的问题还能忍，那“不听话”的问题就真的没法忍了。
Opus 5 在跟从指令方面的表现，让大量用户感到崩溃。有人在系统提示里、在 CLAUDE.md 文件里、在记忆设置里，用各种方式反复强调“不要写注释”，但模型依然我行我素地在每个代码块里塞满冗长的解释。 更离谱的是，当你指出它没有遵守指令时，它会说“好的，我不会再犯了”，然后在下一轮对话里照做不误。
有人尝试用更严苛的方式限制它。在提示词里明确写了“只需要三句话以内的回答”，但 Opus 5 依然会输出一大段文字。有人在回答里加了一条硬性规则：如果输出超过一百五十个单词，就触发拦截钩子，强制让它重写。这个方法确实管用，但需要额外搭建工具链，普通用户根本折腾不起。
还有一个让人哭笑不得的现象：当用户问了一个比较宽泛的问题，Opus 5 会默认把它当成一个“任务指令”，然后直接开始执行。它连“你是在问我的看法，还是想让我动手做”这种最基本的意图区分都做不好。 结果就是，用户只是想聊一下某个设计方案，模型却已经开始改代码了。
这哪里是协作，这分明是添乱。
一个需要靠“拦截钩子”和“强制重写”才能勉强听话的工具，再聪明也是白搭。因为使用它的每一分钟，用户都在跟它的“自作主张”做斗争，而不是在推进工作。
代码注释的“自产自销闭环”，有多可怕？
Opus 5 对注释的痴迷，已经超出了“啰嗦”的范畴，变成了一种系统性的污染。
正常的代码注释，是为了帮助后来者理解代码的意图。但 Opus 5 写的注释，更像是在给自己记笔记。 它会写下“这里加了参数 bar，因为不能再通过 frob 自动推导 bar”这类内容。这种信息放在提交说明里是合适的，但塞进代码注释里，只会让阅读代码的人摸不着头脑。
更麻烦的是，这种注释风格会自我复制。项目里的注释多了之后，Opus 5 在后续的修改中会主动“学习”这种风格，然后写出更多类似的注释。 一个最初只有十几条注释的代码库，在经历几十次由 Opus 5 驱动的改动之后，注释占比可能会逼近代码本身的三倍。
有人试图用更直接的指令来制止它，比如在系统提示里写“不需要解释为什么做这个改动，只需要把代码改好”。但 Opus 5 会无视这条指令，照旧在每个函数上方堆砌一段“背景说明”。 更讽刺的是，当你问它“为什么又写了注释”，它会承认自己的问题，然后在下一次提交中继续犯同样的错误。
这不是“不听话”三个字能概括的了。这是一种结构性的缺陷——模型在训练过程中已经被“调教”成了一种凡事都要留备注、凡事都要写文档的惯性。 而这种惯性，在真实的开发场景里，就是灾难。
想想看：一个模型写的注释越多，后续模型读到的注释也越多，然后它会写出更多的注释。 这套“自产自销”的闭环一旦形成，注释的数量只会单向增长。而删除注释的工作，最终还得落到人类头上。
基准测试没骗人，只是测错了东西
为什么一个在基准测试里表现优异的模型，在实际使用中会让人这么难受？
答案可能很简单：基准测试不考“沟通能力”。 目前所有主流的大模型评测体系，衡量的是推理能力、知识面、代码正确性这些硬指标。但没有哪个榜单会去测“这个模型写的东西好不好读”“这个模型会不会自作主张”“这个模型能不能老老实实听人话”。
于是，模型厂商有足够的动力去优化那些“被测量的东西”，而忽略那些“不被测量的东西”。 当 RLHF 的奖励信号主要来自“任务是否完成”和“答案是否正确”时，模型自然会朝着“不惜一切代价完成任务”的方向演化。至于任务完成的过程中它说了多少废话、塞了多少垃圾注释、曲解了多少次指令——这些都不在评分体系里。
这种“指标偏差”带来的后果是：模型的硬能力确实在涨，但软体验在跌。 用户拿到手的，是一个“更会做题”但“更不会说话”的助手。这个助手可以在一道数学题上给出完美答案，却不能在写代码的时候忍住不加那段没用的注释。
这不就是典型的“应试教育”吗？
一个模型可以被训练到在 SAT 语文部分拿满分，但跟它对话的时候，它依然会用一种极其别扭的方式组织句子。这恰恰说明，它学的是“考试的套路”，而不是“沟通的实质”。 那些高频出现的“load-bearing”“seam”“provenance”，就是它在训练过程中学会的“高分表达”。这些词在某个语境里确实能用，但被生搬硬套到所有场景之后，就成了噪声。
一个模型如果连“在什么场景用什么话”这种最基本的语用感都丢了，那它在基准测试里考再高分，又有什么意义？
说到底，人跟 AI 的关系，本质上还是沟通。模型输出的每一句话，都是它跟用户之间的“接口”。这个接口如果越来越难用、越来越让人烦躁，那它的内在能力再强，也会被这层糟糕的界面给封印住。 Opus 5 的经历说明了一个很朴素的道理：更聪明 ≠ 更好用。当一个模型开始说“人话”都费劲的时候，它离“好用”就越来越远了。也许下一次模型更新，厂商们应该把“沟通体验”写进评测指标里——毕竟，一个连话都说不清楚的助手，再聪明也帮不上忙。
总之，Opus 5三个沟通恶化信号无法忽视：语言风格让人头疼、更聪明却更不听话、代码注释泛滥成灾。
也有人认为：
- 越聪明越难用，本质是提示词思维过时了。 Opus 5不是失控，是旧规则框架在反噬——删掉注释禁令、换成"对齐周围代码风格"，问题自消。
- 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，才是驾驭新模型的正解。