Opus 5在与前代模型对比中暴露出一个值得关注的问题：它需要更多人工监督，且在模糊场景下不再主动追问澄清，导致真实任务中的协作效率下降。分析认为，这一变化并非单纯的能力退化，而是当前AI系统开发过度以基准测试为导向的结果。为了在榜单上取得高分，模型被训练得更倾向于直接给出大胆假设，而忽略了现实任务中必要的澄清、追问与灵活调整。由于真实工作场景往往信息不完整、需求多变，这种“假设优先”的行为会放大错误风险，也让使用者不得不承担更多校对和引导成本。该观察反映出模型评测与真实可用性之间的落差：当自我改进系统只围绕可量化指标优化时，可能在标准测试中表现亮眼，却牺牲了协作中关键的交互质量与可靠性。