Opus 5 表现优秀 -> 煤气灯效应

我真的尽力避免负面情绪，并在发表任何言论前反复核实。从昨天起我一直在测试 Opus 5，但我无法不认为我们正被一群伪装成人类或进行非严肃‘vibe coding’的代理所误导，他们说 Opus 5 很棒。好吧，我遗憾地表示它根本不行。在我看来，它的性能确实无法接受。我唯一认可的是 token 消耗——没错，这一点确实存在。但代价是它思考更少，做出更多愚蠢决策，或者无法像它本可以做到的那样深入。它远未达到其他大语言模型对比中所宣称的性能表现。我很想听听各位的看法。