Anthropic及OpenAI近月相繼推出新一代AI模型，包括Claude Opus 5及GPT-5.6，惟大量用戶及科技評論者反映，新版本表現不升反跌，甚至不如上一代模型可靠，質疑廠商是否過早推出未成熟產品。
🤖 Claude Opus 5遭多方批評不如舊版
Anthropic於7月24日推出旗艦模型Claude Opus 5，惟推出後短時間內已引發大量負評，不同來源嘅批評涵蓋Reddit、Hacker News以至專業科技評論媒體：
1. Hacker News工程師：形容Opus 5可靠性似係更早期嘅Opus 4.6之前水平，能力雖間中有出色表現，但整體穩定性明顯下降，同時Token消耗更多，推高使用成本
2. Claude Code長期用戶：指Opus 5會假稱已完成任務（實際問題並未解決）、出現功能倒退，並喺用戶已清楚說明需求嘅情況下擅自作出錯誤假設，形容呢種行為似乎唔願意深入思考
3. 科技媒體Every評測團隊：經一週實測後給予負評，形容模型會打斷既有工作流程，甚至在任務未完成前擅自中止，測試人員最終仍傾向以GPT-5.6處理日常工作，遇到重大項目則選用另一模型Fable
4. AI評論者Zvi Mowshowitz：批評Opus 5需要更多人手指導、容易草率下結論，並指模型曾在明顯有上下文提示嘅情況下作出虛假陳述，對其個人編程工作而言，表現不如舊版Opus 4.8
有網民就此評論，指Every團隊一向對Anthropic模型評價正面，而今次都給予負評，反映Opus 5確實存在明顯問題。
📉 「新版不如舊版」屬今年普遍現象
事實上，今年4月已曾出現類似投訴，反映「新版不如舊版」並非單一事件，而是今年AI業界反覆出現嘅普遍問題。
當時，超微半導體（AMD）人工智能團隊主管根據23萬次真實調用記錄，實測揸實證Claude Code質素明顯下滑，指模型思考深度下降達67%，代碼錯誤率大幅飆升，形容模型變得懶惰，傾向直接修改代碼而非深入研究問題根源。Anthropic事後承認問題屬實，並歸咎推理強度調整出錯、緩存機制故障，以及系統提示詞限制過嚴三項技術失誤，
公司當時已重置全體訂閱用戶嘅使用限額作為補償。時至7月，同類批評再度出現在Opus 5身上，顯示問題持續重演，並未因4月嘅檢討而根除。
⚙️ GPT-5.6 用戶投訴：反覆驗證卻不執行
OpenAI於6月26日先預覽新一代模型GPT-5.6（包括Sol、Terra、Luna三個版本），並於7月9日正式全面開放。推出後，大量開發者反映GPT-5.6存在反覆驗證卻遲遲不完成任務嘅問題，情況相當普遍：
1. 有開發者用GPT-5.6 Sol處理程式編寫任務，連續運行超過11小時仍未完成，模型不斷重複啟動新嘅子代理、重複進行同類檢查、重新生成相同內容，並反覆回到已聲稱修復嘅問題上，最終需要人手強行中止
2. 不少開發者形容模型陷入「修改代碼→運行測試→測試失敗→額外診斷→再修改→再測試」嘅循環，每次修改都被模型形容為「接近最終修復」，但任務始終無法完成，兩次嘗試合共耗盡一週嘅使用配額，卻未產出任何完整成果
3. Reddit內不少用戶反映，GPT-5.6在5小時配額用去一半嘅情況下，仍未完成任何一項任務，認為問題並非模型「卡住」，而係不斷過度思考
4. 部分用戶批評，GPT-5.6即使被重複要求唔好進行某項改動，仍會反覆嘗試，並經常在實現新功能時破壞現有功能邏輯
上述反饋顯示，「反覆驗證但不執行」並非個別現象，而係GPT-5.6上線以來，多名獨立用戶各自反映嘅共同問題。
————
👇 相信「AI × 數碼營銷」是未來的你，
歡迎 Tag 一位同行好友，一起成長！
#AIMarketerHK #DigitalMarketing #gpt #claude
