【导读】全球第2掉到第10,Claude最强模型被曝「降智」,BridgeBench实锤了!但Anthropic不在意呢?
Anthropic完蛋了?
最近,AMD的AI总监实锤Claude Code降智,直言「对复杂任务已不可用」。
现在,BridgeBench评测最新报告,又给了Anthropic一记重拳!
数据触目惊心:Claude Opus 4.6的全球排名从第2名垂直坠落至第10名:
准确率从83.3%断崖式跌至68.3%,幻觉率几乎翻倍,增加了98%。
那一刻,Claude降智变蠢、用户体验变差,冰冷的数字终结了所有用户的疑问——
不是自己的问题,Claude Opus 4.6确实变差了!
Claude用户感觉上当受骗了!
想象一下,如果你依赖这个模型处理任何关键任务,而他们却可以在不告知你的情况下,直接换成一个差得多的模型。
但用户质疑:「这怎么可能合法?」,信任开始破灭,对Anthropic的嘲讽铺天盖地,连最忠实的拥趸都开始动摇。
但就在全网群嘲的另一边,Anthropic王炸出来了——疑似内部工具界面截图流出。
画面显示的东西,让所有关于「Claude变笨了」的讨论瞬间变得无关紧要——Claude Projects正在测试一套完整的全栈应用构建系统。
不是帮你写代码,是帮你造产品。
所有人盯着模型分数吵架的时候,Anthropic已经换了牌桌。
泄露图里藏着什么?
先说那张截图到底拍到了什么。
根据多方爆料交叉验证,泄露画面展示的是Claude Projects内部正在测试的一套「一键式开发套件」。
界面上赫然列着一排预置模板:AI聊天机器人、互动小游戏、商业落地页、SaaS数据仪表盘......几乎覆盖了独立开发者最高频的需求场景。
但模板只是表面。
真正让人倒吸一口冷气的是模板背后的全栈能力链——
身份验证?勾选即配。
数据库?选型即建。
前端界面?描述即生成。
部署上线?一键搞定。
这不是「AI辅助编程」。这是「AI替代编程」,连蒸馏你的Skill都不用了。
理解这句话的分量,需要看清当下AI编程工具的格局分层。
- Cursor的逻辑是「让你在IDE里写得更快」——它优化的是编码速度,程序员仍然是主角。
- Replit的逻辑是「让不会写代码的人也能写」——它降低的是入门门槛,但你仍然需要理解代码逻辑。
- Vercel的逻辑是「让部署变得无感」——它解决的是最后一公里,但前面的路你得自己走。
它们各自切了软件开发链条上的一个环节,各自做到了极致。
但Claude想做的事,跟它们完全不在一个维度上。
Cursor让程序员快了10倍,Replit让非程序员也能写代码——但Claude想让「写代码」这件事本身变得多余。
前者是效率革命,后者是品类消灭。
据泄露信息,支撑这套系统运转的底层引擎正是Opus 4.6——那个被全网嘲笑「降智」的模型。
Mythos「不够强」可能是故意的?
最核心、也最具争议性的判断可能是——
Anthropic可能根本不在乎Mythos在排行榜上排第几。
听起来像是替失败者找借口?让我们算一笔账。
当你的战略终局是成为「全栈应用平台」,模型层扮演的角色就发生了根本性的变化。
它不再需要是「最聪明的」,它只需要是「够用的」。
平台竞争的胜负手从来不在于底层引擎的马力有多大,而在于上层生态的粘性有多深。
Windows打赢Mac靠的不是操作系统更优雅,是软件生态更丰富。Android碾压Windows Phone靠的不是内核更先进,是开发者更多。
在平台战争中,「最好」从来不是赢的原因,「最多人用」才是。
在公开场合,Dario Amodei反复说过一句话:「编码将死。」
但全栈构建器的泄露,让这句话第一次有了产品级的实体证据。
Dario说的不是预言。他说的是正在执行的路线图。
如果这个推理成立,那么Mythos在HLE上领先GPT-5.4 Pro(无工具56.8 vs 42.7),但在GPQA上被追平(94.4 vs 94.5)、在BrowseComp上被反超(89.3 vs 86.9)——这些数据的含义就完全不同了。
它不是「Anthropic输了」,而是「Anthropic选择性地不在这里发力了」。
把有限的算力资源投入到排行榜军备竞赛中去维护一个虚幻的「第一名」标签,还是把算力倾斜给全栈构建器这种能直接创造商业价值的产品?
对一家年收入300亿美金、需要向投资人证明商业化能力的公司来说,这个选择并不难。
模型够用就行,平台锁定才是护城河。
商业竞争的残酷真相就是:用户不关心你的GPQA分数是94.4还是94.5,用户关心的是「我说一句话,App能不能跑起来」。
年收300亿之后的恐惧
Anthropic的年化收入刚刚突破300亿美金,超过了OpenAI。
15个月内,Anthropic年化收入从10亿美元涨到300亿美元
这是一个足以让任何创业公司开香槟的数字。
但如果你是Dario Amodei,你此刻最大的情绪不是庆祝,而是恐惧。
因为这300亿里的绝大部分,来自API调用。而API,本质上是一种极度危险的商业模式。
为什么?因为API意味着你的客户正在用你的能力,建造他们自己的产品。
今天他们调用Claude的接口做了一个AI客服平台,明天做了一个AI写作工具,后天做了一个AI编程助手。
每一个成功的客户,都在你的地基上盖起自己的大楼。听起来很美——直到有一天,另一家模型公司提供了更便宜、差不多好用的API,你的客户会在一夜之间集体迁移。
这就是「模型商品化」的噩梦:当模型层的差异越来越小,API定价就变成了一场没有赢家的价格战。
OpenAI感受到了这种恐惧,所以它疯狂做C端产品——ChatGPT、GPTs、自定义助手。谷歌感受到了这种恐惧,所以它把Gemini塞进了搜索、邮箱、文档等每一个自家产品。
它们都在做同一件事:在模型变成白菜价之前,把自己变成一个用户离不开的平台。
Anthropic的全栈构建器,是同一逻辑的最激进版本。
它的潜台词是:
与其等别人用我的API在上面建一个平台,然后等模型降价的那天把我一脚踢开——不如我自己先把平台建了。
你不用调我的API了,你直接在我的平台上造App吧。你的用户数据在我这里,你的工作流在我这里,你的部署环境在我这里。到那时候,你想换模型?可以,但你的整个业务都得重来。
这不是产品创新,这是生存本能。
300亿的营收证明了Anthropic有能力赚钱,但泄露图暴露了Anthropic真正的焦虑——光会赚钱不够,得让别人离不开你。
收尾:星空与幻象
让我们从商业叙事中退后一步,回到技术判断的原点。
当前最强的大模型——无论Claude、GPT还是Gemini——大约处在70%的能力水位。这个数字在过去半年里的爬升速度,已经肉眼可见地放缓了。
从70%迈向100%,靠的不是刷榜,不是多拿几个百分点的GPQA分数。靠的是成为一种不可替代的基础设施——像电网一样,你不关心发电厂用的是什么涡轮机,你只知道灯一拉就亮,空调一开就凉。
Anthropic的全栈构建器,第一次让人看到了一家AI公司在认真思考这条「基础设施化」的路。
不再执着于「我的模型比你聪明0.1分」的虚荣战争,而是直接回答一个更本质的问题:怎么让十亿人在不知不觉中,每天都在用我的东西?
因为真正决定AI终局的,从来不是谁的考试分数更高。而是谁先变成了那张所有人都离不开的电网。
参考资料:
https://x.com/cryptopunk7213/status/2043405326196867127
https://x.com/iruletheworldmo/status/2043332977136975994
https://x.com/marmaduke091/status/2043382991901147158
本文来自微信公众号“新智元”,编辑:KingHZ
