禁掉所有工具後，Opus 5和GPT-5.6的差距終於藏不住了

Claude Opus 5 發布後，AI 圈內最熱的話題不是它的參數規模或運算速度，而是一項看似簡單卻可能顛覆業界慣例的改變：提示詞（Prompt）設計的門檻正在急速降低。長期以來，使用者必須花費大量心力琢磨如何下指令，才能讓模型輸出理想結果，但 Opus 5 的表現似乎預告著，這套「提示詞工程」的時代可能即將終結。 Anthropic 在 Opus 5 上做出的提示詞優化，成為近期社群討論的焦點。AI 投資人 Matt Shumer 在 X 平台上發布了一則影片，播放量迅速突破 400 萬次。他在影片中示範，只用了短短三段話作為提示詞，Opus 5 便透過 Three.js 從零生成了一個可玩的 3D 第一人稱射擊遊戲。整個過程沒有使用任何外部素材，模型直接產出超過 5 萬行程式碼，並自行建構出 11 個子系統。這項成果讓許多開發者驚訝，因為過去要完成類似任務，通常需要撰寫極其詳細的指令，甚至反覆調校才能避免模型偏離方向。 更令人關注的是 Anthropic 內部工程團隊的動向。Claude Code 核心開發者 Boris Cherny 透露，他們在調整 Opus 5 的系統提示詞時，大幅刪減了原本 Claude Code 提示詞中多達 80% 的內容。按照常理，減少提示詞的細節可能會讓模型失去方向，但結果卻完全相反——模型不僅沒有變笨，反而表現得更加穩定、精準。這項發現直接挑戰了過去「提示詞越長、越詳細，模型表現越好」的普遍認知。 這兩件事指向同一個結論：Opus 5 已經不再需要使用者精心設計複雜的提示詞。過去，AI 從業者花費大量時間研究如何用最精確的語言引導模型，甚至發展出「提示詞工程師」這個新興職位。但 Opus 5 的出現，讓這些努力顯得有些多餘。模型本身的理解能力與生成品質，已經強大到能夠從簡單的幾句話中掌握使用者意圖，並自動完成從規劃到執行的一系列複雜任務。 這項進展的意義不僅在於使用者體驗的提升，更可能改寫整個 AI 應用的生態。過去，提示詞的品質直接決定了模型輸出的好壞，因此擁有優秀提示詞技巧的使用者或團隊，往往能獲得更好的結果。但當模型能夠「聽懂」日常語言，甚至能從模糊的指令中推導出合理行動時，AI 工具的普及門檻將大幅降低。一般使用者不再需要學習特定指令格式，只要用自然的語言表達需求，就能獲得專業級別的成果。 從 Matt Shumer 的測試來看，Opus 5 不僅能理解遊戲開發的抽象概念，還能自行拆解成具體的子系統，並逐一生成可運行的程式碼。這顯示模型已經具備某種程度的「規劃能力」，能夠在沒有外部提示的前提下，自主決定該如何完成一個大型任務。這種能力在過去往往需要透過多次反饋和修正才能實現，但 Opus 5 似乎將這一步內化成了模型的基本能力。 Anthropic 在提示詞上的簡化策略，也反映出他們對模型本質能力的自信。當系統提示詞占比從 100% 降到 20%，模型反而變得更強，這意味著原本那些冗長的指令可能反而限制了模型的發揮空間。或許，過多的提示詞會讓模型產生不必要的框架，干擾其自主推理的流暢性。而削減提示詞後，模型得以更自由地運用自身參數中儲存的知識與邏輯。 這項變化對整個 AI 產業的影響可能相當深遠。首先，提示詞工程師的角色將面臨重新定義，未來可能不再需要專人撰寫複雜的提示詞模板，而是將重心轉向如何設計更友善的使用者介面或更直覺的互動方式。其次，模型之間的競爭焦點，將從「誰能設計出更好的提示詞」，轉向「誰的模型本質上更聰明、更可靠」。這也讓外界對 Opus 5 與其他頂尖模型（如 GPT-5.6）的差距，有了更直觀的比較基準。 過去，用戶在比較不同模型時，往往會受到提示詞設計品質的干擾。一個精心設計的提示詞，可能讓原本能力相近的模型產生明顯的輸出差異。但當 Opus 5 幾乎不需要提示詞工程時，它與其他模型之間的差距就變得更加赤裸。如果其他模型仍需要大量提示詞才能達到類似效果，那麼兩者在智慧層級上的落差就會被放大。 從這個角度看，Opus 5 的發布不僅是一次產品更新，更是一場對 AI 互動方式的重新定義。Anthropic 用實際行動證明，模型進步的方向不應該是讓使用者越來越會下指令，而是讓模型越來越聽得懂人話。當提示詞工程逐漸失去意義，AI 的「人性化」程度將迎來新的里程碑。 當然，這並不代表所有任務都不需要提示詞。對於極度專業或罕見的應用場景，適當的引導仍然有幫助。但對於絕大多數日常使用場景，Opus 5 已經展示出「一句話搞定」的潛力。這也讓業界開始思考：未來的 AI 競賽，或許不再是比誰的提示詞寫得更好，而是比誰的模型能從更少的資訊中，理解更多真實意圖。