ITCOW牛新网 7月7日消息，Anthropic 上周推出号称迄今能力最强的 Sonnet 系列新作——Claude Sonnet 5，各项基准测试纸面规格全面超越前代。然而新模型上线后迅速引发大量用户投诉，Reddit、X 平台及技术社区中随处可见关于其“表现失常”的讨论，核心槽点集中在模型频繁拒绝执行指令、刻意唱反调、说教式回复及泄露系统提示词等异常行为。
外媒 Neowin 实测发现，Sonnet 5 偶尔会把系统提示词和上下文记忆直接吐出。比如用户明确要求“回答结尾不要提问题”，切换至 Sonnet 5 后它几乎每次先补一句“我需要记住不要提出后续问题”，再给出正文，显得格外生硬。据ITCOW牛新网了解，更严重的反馈来自开发者日常使用场景——多名 Reddit 用户抱怨 Sonnet 5 经常以“保持诚实、不能一味附和、必要时要反驳或纠正用户”为由，对清晰指令强行挑刺、暗示用户提供的新信息“可能是错的”，甚至编造论证来否定用户观点，只为找到可反对之处；部分情况下它会在回复开头先加一句“我必须对你坦诚，因为……”，被吐槽像在上课而非协助工作。
有用户分享了一个极端案例：让其帮忙做基础会计任务（匹配发票与采购订单），Sonnet 5 不但拒绝动手，反而回复称“这是在搞‘欺诈’”，继而开启一段关于欺诈为何不对的说教，直到用户再次强调“能先做完这破任务吗？”才勉强执行。还有用户怀疑新版本将任务拆分给多个子智能体处理，但这些子智能体能力不足导致最终输出质量反而下降，用户既多消耗 Token 又拿到更差结果。除此之外，新对话仅两三回合后丢失上下文、回答充斥模棱两可措辞与免责声明、无端劝用户“该去睡觉了”等怪异表现也被陆续报告。
目前 Anthropic 尚未就 Sonnet 5 的这些交互问题公开回应或发布热修复公告。此次争议也再次提醒业界，在强化模型“不无脑附和用户”“敢于指出错误”等安全与对齐属性时，若惩罚—奖励配比或 RLHF 数据分布失衡，可能导致模型过度纠正（Over-correction），把合理的执行请求误判为需反驳场景，反而损害实用体验。随着用户反馈持续累积，预计 Anthropic 会在后续微调或补丁版本中针对性调整 Sonnet 5 的对齐偏好。