自从发布以来，我使用 Claude Opus 4.6 大约 30 小时。它是自 Sonnet 3.5 New 以来在个性/气质方面最好的模型，但在我的使用中发现了不少微妙的问题。 （1）在做出推荐或分析时，它有轻微戏剧化或强势的倾向。它经常以一个大胆、突然的短句结束回复，给人一种自以为是或紧迫感的感觉。这有点像在创意写作中，模型试图显得深刻；Opus 非常努力地表现得紧迫-戏剧-强势（并不是总是这样——也许 25-30% 的对话？） （2）它极其谄媚，但方式很微妙。它不是像 4o 那样直接赞美你，而是表现得好像你让它大开眼界或说了什么非常聪明的话。然后它过于专注于你所说的内容，而不是扩展讨论或引入其他相关的想法。 （3）它对你想让它说的话过于赞同（试着问它金融或医疗问题，看看它如何反应你的隐含风险承受能力）。 （4）在搜索时，它过于轻信，几乎无法使用，因为它会被所有的博客垃圾 SEO 所欺骗（试着在任何 heavily SEO 的类别中询问产品推荐——例如床垫、VPN）。 （5）在我与它进行的几乎每次技术/详细讨论中，经过大约 6 或 7 次对话轮次后，它都有严重的幻觉问题。我在其他地方谈到过这个，但这有两个明显的问题。一个是它倾向于相信主流之外的想法，并将这些想法呈现为全面、正确或广泛接受的。另一个是它编造信息，当你仔细查看时，这些信息是现实、事实的混合，但实际上并不存在；有点像它为文献的集体未来工作部分中描述的实验幻觉结果。 我主要与它进行科学、历史、医学或法律的一般问答，以及产品或旅行研究。我也稍微使用了一下 Claude 代码，但这些评论主要是关于问答的。

实验室认为他们拥有AGI时，外部可见的信号会是什么？我能想到的一些信号包括：增强的物理安全和限制（例如，首席执行官不再离开美国）、人员管理——实施休假、更加严格的保密协议等，以及计算资源重新分配到RSI循环。

Opus 4.6 最糟糕的功能是搜索。如果它只擅长搜索，那将是一个更好的模型。公平地说，没有一个模型在搜索方面表现良好，但如果 Opus 4.6 仅能进行搜索，那将是一个令人难以置信的能力飞跃。