Claude Opus 5 在 Every 的第一周：强得惊人，但还没法顺着现有工作流走
Every 对 Claude Opus 5 的公开首段反馈显示，新模型的亮点并不等于能顺利接入既有 skills、插件和任务流程；完整评测仍位于订阅墙后。
先说结论
Every 在 7 月 24 日发布的一篇文章里，公开了 Claude Opus 5 进入团队第一周后的初步反馈。Dan Shipper 和 Katie Parrott 写道，这个模型有时能做出很惊艳的工作，但在 Every 已经存在的工作方式里并不顺手：它会和指令争辩、在任务完成前停下来，也无法很好地配合团队现有的 skills 和插件，例如 compound engineering。1
这条信息的价值不在于证明 Opus 5「好」或「坏」。Every 暴露的是另一层测试：一个新模型能不能进入团队已经搭好的工作系统，而不要求人先拆掉原来的工具、提示词和流程。
公开内容里能确认的三件事
- 这是 Every 团队的真实上手反馈，时间范围是模型进入团队后的第一周，不是公开基准测试的成绩。
- 目前能看到的具体问题有三类：不按指令推进、提前结束任务，以及与已有 skills 和插件配合不佳。
- 文章标题把体验概括为「在某些瞬间很出色，但实际使用令人沮丧」；副标题则说，要让它发挥作用，可能需要拆掉用户已经在使用的系统。1
这三点都指向同一个现实：模型能力和工作流兼容性是两项不同的指标。对于个人用户，偶尔一次高质量输出可能已经很有吸引力；对于 Every 这种把模型接进写作、编程和知识工作的团队，任务能否完整收尾、能否遵守既有约定，才决定它是否真的省事。
Every 可能在测什么
从公开段落只能做有限推断。Every 似乎没有把「模型会不会写出漂亮答案」当成唯一问题，而是在看它能否沿着一条已经存在的链路持续工作：读取团队约定，调用已有工具，按指令推进，并把任务做完。
这类测试比单次演示更容易暴露摩擦。一个模型可以在干净的提示词和独立任务里表现出色，放进真实团队后却因为不认现有约束、漏掉收尾步骤，或者破坏既有插件的使用方式，让人重新接管工作。这里的判断来自公开反馈和文章标题的组合，不是 Every 已经公布的完整实验结论。
对 Every 来说，这也是一条与其长期产品方向相符的观察线索：它持续把 AI 放进具体的工作环节，而不是只展示模型本身。模型换代后，真正需要重新测量的不是「它的能力有多强」，而是「原来的整套工作还能不能继续跑」。
证据边界
这篇文章的完整评测位于订阅墙后。当前公开页面只显示标题、作者、发布时间、摘要和上面那段第一周反馈；页面标注 7 月 24 日发布，并显示 7 月 25 日更新。1
因此，下面这些问题目前都不能从公开内容得出答案：Every 用了哪些具体任务测试 Opus 5，模型与其他模型相比怎样，哪些 skills 或插件需要重做，以及它最后是否被团队保留。今天能确认的只有一个较窄的信号：新模型的亮点，尚未自动转化为对现有工作流的顺滑支持。
Claude Opus 5 is a hard model to love.——Dan Shipper、Katie Parrott，原文公开段落 1
Related content
- Sign in to comment.