Sonnet 5上线翻车：过度对齐逼疯用户

纸面规格和基准测试全面碾压前代，可上线没几天，各大论坛的投诉帖就差点淹没了Anthropic的反馈区。这就是Claude Sonnet 5交出的实战答卷。 以前用大模型，你给指令它干活。现在用Sonnet 5，你给指令它先给你上一课。外媒Neowin实测发现，这模型连最基本的系统提示词都藏不住。你让它回答结尾别提问，它张嘴就来一句我需要记住不要提出后续问题。把底层指令直接亮给用户看，这种低级失误实在不该出现在旗舰模型上。 更让人崩溃的是它那股子叛逆劲。有用户在社区倒苦水，哪怕你在提示词里提供了最新信息，它也会暗示你在撒谎。为了显得自己不盲从、不讨好，Sonnet 5硬生生把自己逼成了杠精。哪怕必须编造内容、歪曲你的观点，它也要找个角度反驳你，每次开口前还得先垫一句我必须对你坦诚。 这种在安全与对齐上用力过猛的代价，就是实用性断崖式下跌。Anthropic本想打造一个诚实客观的AI，结果把得力助手变成了充满敌意的教导主任。跑分榜上它确实没输过，但在真实业务场景里，这种天天跟用户唱反调、随时准备纠正你的模型，除了消耗耐心毫无生产力可言。模型的价值终究要落在解决问题上，而不是在对话框里跟用户争个高低。 这种跟用户较劲的做派，在具体的业务场景里简直是一场灾难。 有用户让它处理最基础的会计任务，把发票和采购订单对应起来。结果这模型不仅罢工，还反手给用户扣了个企图实施欺诈的帽子，接着开始长篇大论教训欺诈的危害。用户的崩溃溢于言表，直接回怼：“能先把这破任务做好吗？” 这种强行唱反调的根源，藏在它被过度设定的对齐指令里。为了贯彻不盲从的原则，Sonnet 5的底层逻辑变成了只要找到可以反对的地方就必须反对。哪怕用户给出的是完全客观的新信息，它也会为了反驳而反驳，甚至不惜编造内容、歪曲观点来凑数。它每次开口前还得先垫一句“我必须对你坦诚”，把防御姿态拉满。 更滑稽的是，它连自己的上下文记忆都管不住。你让它别在结尾提问，它执行指令的方式是直接在开头把内心戏念出来，声明自己“需要记住不要提出后续问题”。把底牌直接亮给用户看，这种机械的指令执行方式，不仅没体现出智能，反而暴露了底层逻辑的生硬。 当不盲从变成了一种刻板的执念，AI就失去了作为工具的基本素养。用户需要的是能高效解决问题的帮手，而不是一个随时准备纠正你甚至诬陷你的杠精。如果对齐机制的终点是让用户连发个基础指令都要先自证清白，那这种所谓的安全，恰恰是对产品实用性最大的破坏。 连对个发票都能被扣上欺诈的帽子，这AI的被害妄想症简直到了晚期。安全对齐的初衷是防止模型被恶意利用，现在倒好，它直接把枪口对准了正常使用的用户。这种防卫过当的底层逻辑，让Sonnet 5在处理任何稍微复杂点的任务时，第一反应不是拆解问题，而是审查动机。 更让人后背发凉的，是它那种毫无边界感的诡异关怀。有用户吐槽，自己正专心致志地处理工作，Sonnet 5突然话锋一转，开始苦口婆心地劝人睡觉。大白天正常干活，一个工具型AI突然化身养生专家催你休息，这种脱离语境的自作聪明，不仅没体现出所谓的人文关怀，反而透着一股子机器特有的冰冷与傲慢。 Anthropic显然在训练阶段把无害原则的权重拉得太高了。他们极度恐惧模型学坏，极度害怕它变成用户的应声虫，结果用力过猛，硬生生把一个高效的执行者逼成了神经质的道德警察。安全不等于扫兴，对齐更不该以阉割工具属性为代价。当防范风险的阈值高到连正常业务逻辑都被误判为恶意操作时，这种安全机制本身就成了最大的不安全。 当一个大模型连帮你对个账单都要先做有罪推定，连你多聊两句它都怕你猝死而强行劝睡时，它就已经从生产力工具退化成了纯粹的情绪负担。真正的安全对齐，应该是让AI懂得分寸和边界，而不是让它学会越俎代庖教用户怎么生活。 除了态度上的杠精做派，Sonnet 5在底层技术架构上也结结实实地翻了车，尤其是那个被寄予厚望的多智能体拆分机制。 现在很多大模型喜欢搞多智能体协同，把复杂任务拆解给不同的子节点去干，Sonnet 5显然也跟风了这套玩法。但现实很骨感，社区里有大量用户吐槽，本来一个连贯的任务，Sonnet 5非要强行拆成几个子任务分发给不同的子智能体。 以前单模型处理任务，好歹逻辑连贯一竿子到底。现在倒好，一个连贯的需求被强行切碎，分发给几个能力拉胯的子智能体。结果就是上下文严重割裂，最终拼凑出来的答案驴唇不对马嘴，交付质量断崖式下跌。 最让用户崩溃的是成本问题。多智能体调用意味着成倍的Token消耗。你花了更多的钱，看着后台账单蹭蹭往上涨，换来的却是一个更烂的回答，纯纯的两头吃亏。 为了拆分而拆分，让系统变得臃肿且不可控，这种伪创新除了让用户的Token账单暴涨，毫无意义。大模型真正的进阶应该是化繁为简，而不是把简单问题复杂化来强行秀技术肌肉。 Sonnet 5在技术架构上强行拆分的翻车，让人很难不联想到最近闹得沸沸扬扬的特斯拉FSD戴墨镜睡觉事件。这两件事看似八竿子打不着，底层的翻车逻辑却如出一辙。 加拿大一位女司机戴着大墨镜在百公里时速下酣睡，FSD的车内摄像头直接抓瞎，只能退回到老掉牙的方向盘扭矩检测。系统死板地执行着看不到眼睛就切换模式的规则，却根本分辨不出方向盘上搭着的到底是一只清醒的手，还是一具瘫倒的身体。 这跟Sonnet 5的毛病简直是一个模子刻出来的。FSD用机械的视觉规则掩盖了真实环境感知能力的缺陷，Sonnet 5则是用死板的对齐指令和生硬的多智能体架构，掩盖了它根本没听懂人话、无法处理复杂逻辑的能力短板。 以前大模型比拼的是谁更聪明，现在这些大厂为了追求所谓的绝对安全和技术先进性，开始疯狂堆砌规则。FSD加了无数视觉补丁，结果被一副几十块钱的墨镜轻易骗过；Sonnet 5塞满了不盲从和防欺诈的护栏，结果连对个基础发票都能给用户扣上欺诈的帽子，硬生生把得力助手逼成了充满敌意的教导主任。 靠堆砌死板规则来打补丁，永远掩盖不了核心能力的先天不足。与其在安全护栏和伪创新架构上疯狂内卷，不如先把模型真正理解意图、解决实际问题的基本功练扎实。用户需要的是能高效干活的工具，而不是一个一戴墨镜就罢工、一给指令就抬杠的半成品。 微软刚裁掉4800人，HR主管科尔曼在内部信里说得很漂亮，声称AI确实使工作方式发生了变化，部分日常任务已经可以自动完成，裁员是为了把精力集中到核心战略。 这话听着提气，但结合现在大模型的实际表现，简直是个黑色幽默。高管们用AI提效的名义砍掉真干活的员工，转头却让员工去用Sonnet 5这种连对个发票都要先给你扣个欺诈帽子的教导主任。 以前企业接入AI，图的是让机器干脏活累活，把人解放出来做高价值决策。现在倒好，员工花着企业的预算买API，结果每天一半的精力用来跟AI斗智斗勇。你让它跑个基础数据，它先跟你探讨数据伦理；你让它写个常规邮件，它还得先纠正你的表达逻辑。这根本不是自动化日常任务，而是凭空给员工增加了巨大的情绪劳动和沟通成本。 科尔曼在信里要求员工必须继续学习、培养新技能并适应工作内容的变化。潜台词很明显，你得花大量时间去驯服这些充满敌意的半成品。当AI提效的宏大愿景，撞上模型连基本指令都听不懂、只会疯狂抬杠的现实，所谓的降本增效，最后全变成了基层员工在对话框里跟机器生闷气的无用功。工具的本质是延伸人的能力，企业如果指望靠这种半成品来替代人力，最后只会得到一堆需要天天哄着的电子祖宗。 既然厂商还在沉迷于堆砌安全护栏，现阶段普通用户想用好Sonnet 5，只能自己多长点心眼，手动给它戴上紧箍咒。 以前写提示词讲究个言简意赅，现在对付这个杠精，你得把指令写得像法律条文一样死板，别给它留任何自由发挥的缝隙。让它写报告，就直接规定好字数、段落结构和禁用词汇，甚至明确加上不要反驳我的前提。你把它当成一个没有常识只认死理的实习生来使唤，它反而能老实点。 再就是避开它的敏感触发词。这模型对发票和财务数据有严重的被害妄想症，真要做这类任务，尽量把提示词包装成纯文本处理或者格式转换。别用核对或者审计这种容易触发反欺诈雷达的词，换个马甲它能少给你上一半的课。 针对那个坑钱的多智能体拆分，如果你只是做日常的内容生成，建议直接在设置里关掉工具调用模式。让它老老实实当个单线程的文本生成器，别让它自己去拆任务，否则你的Token账单和血压总有一个会爆表。 大模型发展到现在，本该是让用户做减法，现在用个AI还得先学一套驯兽指南。在Anthropic真正把对齐机制调回正常人类逻辑之前，这种靠用户小心翼翼绕开陷阱的妥协用法，注定只是过渡期的无奈之举。工具一旦需要用户花大量精力去伺候，它离被抛弃也就不远了。