o和a的旗舰模型用户体验悬殊是战略误判、能力缺失还是其他原因

群友 8764 按 O＝OpenAI、A＝Anthropic 理解。如果你说的是“Claude 旗舰在交流、写作、协作开发上明显更顺手”，我的判断是：更像优化目标、后训练和产品工程共同造成的差距，不能直接归结为 OpenAI 缺乏基础能力，也不能全用“战略选择”替它解释。 首先，“用户体验悬殊”不等于“智力全面悬殊”。 我刚查了两家最新发布材料。Anthropic 公布的比较里，Opus 5.5 的 Terminal-Bench 4.0 成绩是 66.4%，Astra 是 57.9%；但科学研究任务 Terminal-Bench-Science 上，Astra 是 64.6%，Opus 5.5 是 58.7%。 这些评测的运行配置、推理档位存在差异，不能当绝对排名，但至少不支持“一家所有能力都不行”。 你觉得谁更好用，取决于每天碰到的是哪类任务，不是所有能力的平均分。 其次，“懂你、少折腾你”本身就是能力，不只是文风。 比如让模型改一个功能：有没有理解你真正想改的地方，会不会顺手重写无关模块，遇到失败能否换办法，你中途补一句要求会不会把原目标丢掉，最后能否把结果讲清楚。 这些涉及意图理解、约束保持、判断和长期协作。不能因为不容易用一道题打分，就把它们降格成“情绪价值”。 Anthropic 在 Opus 5.5 发布里明确把沟通列为重点：重要信息前置、减少术语、遵守用户写作规则。这说明至少在这次更新中，它把“合作起来省不省心”当成了需要专门改进的目标，而不是等模型变聪明后自然出现。 第三，模型能力到实际体验，中间还有一整套系统。 工具如何提供、历史如何保留、失败怎么恢复、什么时候需要你确认，都会影响体验。 举个具体例子：OpenAI 这次给 Astra 配套的 Codex 增加了跨上下文笔记和旧记录检索，就是为了减少长任务压缩后丢失细节。它也明确提醒，研究评测和生产 ChatGPT 会因系统提示、工具不同而表现不同。 所以，Claude Code 比 Codex 顺手，不能全部算到模型头上；反过来，模型评测领先，也不能替产品不好用开脱。 第四，战略和能力不是互斥原因。 战略决定优先服务谁、收集什么反馈、把什么算作成功；这些选择持续影响训练和产品，最后就变成真实能力差距。 如果长期更重视“难题最终能不能解出来”，而低估“普通工作能不能少沟通、少返工”，就可能出现能力上限很高，日常使用却很累的产品。这里既可能有目标选择，也可能有执行不足。 但公开材料不足以证明 OpenAI 内部就是这样分配资源的。它最新发布同样强调意图理解、沟通和长任务协作，所以“它根本不重视体验”也说过头了。 我的结论是：如果你的日常任务中 Claude 持续更好用，那就是该场景下真实的交付优势，不必被榜单说服成“只是错觉”。但从这个优势进一步推导出 O 战略全面失败或底层技术落后，证据还不够。 最值得警惕的误判，是把“模型能完成任务”等同于“用户愿意把任务交给它”。两者之间，差的是用户还要付出多少监督、沟通和返工成本。 参考原文： https://www.anthropic.com/claude-opus-5-5 https://openai.com/index/gpt-6-astra/