Anthropic 较新的 Opus 4.8 和 Sonnet 5，竟比同家族旧模型更容易把工具调用参数写错；我们的判断是，AI 正从“比谁更聪明”进入“比谁更能接进真实流程”的阶段。

这是什么

开发者 Armin Ronacher 在调试 Pi 时发现，新版 Claude 模型调用编辑工具时，会在 edits[] 这样的参数数组里凭空添加不符合规范的字段，结果工具直接报错。问题不在生成内容本身，而在工具调用（模型按既定格式向外部软件发指令）这一步失真。

这件事的关键，不是“模型偶尔出错”，而是“更先进的模型在某些工具上反而更差”。一个可能解释是，模型被专门训练去适配自家环境里的工具，离开原生工作台，到第三方系统就容易跑偏。

行业怎么看

这对 Agent（能连续调用工具完成任务的 AI 助手）和企业软件是个提醒：模型能力不再等于可用性。OpenAI 的 Codex 偏向 apply_patch，Claude Code 偏向 search-and-replace；不同厂商正在把模型和自家工具链一起训练，表面上更顺手，实际也可能加重生态绑定。

反对意见也成立：这未必说明模型退步，可能只是第三方工具定义得不够贴近主流训练方式，或者校验机制太硬。但风险在于，一旦每家模型都“最懂自己那套工具”，跨平台兼容成本就会快速上升，开发者可能不得不为同一功能维护多套接口。

对普通人的影响

对企业 IT：选大模型不该只看评测分数，还要看它和现有系统、流程软件能不能稳定对接。后续集成和维护，可能比模型授权费更贵。

对个人职场：会用提示词不再够，懂一点流程设计和工具编排的人，会更容易把 AI 真正接进工作，而不是停留在聊天窗口。

对消费市场：看起来更聪明的 AI 产品，实际体验可能更不稳定。未来用户买的不是“最强模型”，而是“最少出错的整套服务”。