名字留在 Opus 5，權重走到 5.2：灰度路由裡的版本與成本帳

9月15日清晨，Claude Code 的使用者沒有等到任何公告，卻在 /status 查詢與封包擷取裡看到同一個字串：opus-5.2。前端型號仍標示 Opus 5，後端權重已經換代。5.1 從未公開存在，開發者據此推斷 Anthropic 跳過了這一版。前沿實驗室慣用的漸進開放在此上演：先讓一部分真實流量跑新權重，名稱與價目表都不動。

開發者的回報指向同一組變化。生成速度先脫離了 Opus 5 的慢節奏。輸出變得乾淨，鋪陳刪去後直接切進要害。最被反覆提及的差異在耐性：長任務不再中途喊停，也不再只交出框架要人自行補完，而是自動進入自我迭代的嚴酷循環（gauntlet loop），把程式碼修到任務收尾。有開發者在 X 上形容，這個版本像不需要催促的工作狂。

一個提示詞當探針，權重差異現形

灰度名單如何確認？使用者找到的探針是一段提示詞：關閉聯網搜尋後詢問「重置哥 Tibo 是誰」。舊權重的訓練資料裡查無此人的細節，回答是一片空白；被路由到 5.2 的帳號則能辨識身分，甚至說明「重置哥」稱號的由來。開發者 jan_volad 對照兩側截圖後的結論很直接：同一個提示詞、關閉搜尋、答案完全不一致，兩邊跑的已經是不同權重。

這個探針把「模型更新」從形容詞拉回可驗證的事實。名稱不動、權重替換，對閒聊場景影響有限，對程式碼場景是另一回事，輸出的可重現性與行為穩定度都是企業採購時寫進合約的欄位。2024 年 OpenAI 使用者曾集體回報 GPT-4o 變懶，爭議延燒多日；同年 10 月 Anthropic 更新版 3.5 Sonnet 上線之初，也因命名不清引發混淆。無公告換權重，正向走是免費升級，反向走就是品質爭議，兩個方向共用同一個機制。

對照組並不遠。這與 DeepSeek 以灰度方式導入語音對話與四種音色的節奏相近，先小流量驗證成本與穩定度，再全面開放。差別在於 DeepSeek 的灰度掛在明確的新功能上，Opus 5.2 的灰度藏在既有型號名下，驗證項目除了能力，還有使用者對無感升級的接受度。

「勤奮」的計價結構

偷懶在代理編碼產品裡是折價因子。模型中途停下要求按「繼續」，或只交付骨架要人補完，直接拉低任務完成率，完成率則是這類產品最核心的效度指標。5.2 把停止條件往後挪，代價是單一任務的輸出 token 消耗上升：循環每多跑一輪，就多燒一輪按輸出欄位計價的推理成本。

這筆成本落在誰頭上，取決於付費模式。走 API 的客戶按 token 結帳，輸出單價歷來是輸入的數倍，勤奮模型把帳單結構往高單價欄位推。走訂閱的客戶付固定月費，Claude Code 目前階梯落在每月 20 美元至 200 美元之間，多出來的循環成本由 Anthropic 吸收，換取完成率與續訂率。同一項「不偷懶」，在兩種計價模式下是兩本帳。

生成速度的提升是反向力量。同樣的循環輪數，延遲壓縮後佔用的時間成本下降，部分抵銷 token 消耗的增幅。勤奮與提速一起上，這次升級在成本帳上才站得住；只勤奦不提速，訂閱制的邊際成本會先失控。

85%：內部報告裡的研發替代帳

灰度之外，另一份文件把焦點拉到研發費用結構。8 月中旬曝光的內部風險報告顯示，Anthropic 內部已廣泛使用代號 Model 2 的未發布模型，由它接手公司大部分程式碼編寫，文件寫的替代規模是研究團隊工作量的 85%。

85% 說的是任務層級替代，不等於裁員幅度。前沿實驗室的費用結構裡，算力與研究人力是兩條最大支出，把自家模型用進內部工程，等於把一部分邊際工程成本從薪資科目搬到推理科目，同時產出真實工作負載的反饋資料。每一行由 Model 2 生成的內部程式碼，同時是成本節省與訓練素材，內部自用策略在這裡走到財務上最完整的形態。

報告性質仍須標註。它是風險文件，未經審計，85% 是文件陳述的數字，外部無法覆核。文件同時把敘事推向 RSI（遞迴自我改進），這類表述的推銷成分高於可驗證成分，比較適合併入安全成本如何入帳的討論，與先前四款大模型自評滅絕風險引發的排序爭議屬同一類問題：模型對自身風險與能力的陳述，目前缺乏外部查核機制。

對 GPT-6 Astra 的三層方案

同一份報告給出三層方案，且可能疊加。第一層是 Fable 5.2 家族，最快的對外版本，對照本輪灰度，上市窗口落在 9 月底至 10 月底。第二層是 Model 2，內部模型，未發布、沒有對外價格。第三層細節未完整揭露，疊加的說法顯示 Anthropic 傾向內外兩線分開計價：對外賣 Fable 家族，對內用 Model 2 壓研發成本。

跳過 5.1 的版本算術放在這個架構下有了著落。對外版本號是行銷節奏，內部迭代速度早已脫鉤；5.1 若曾存在，最有可能是內部版本，或評估後不值得佔用一個發布檔期。直接以 5.2 對外，等於把一段內部迭代壓縮成一個可對外敘事的跨度，灰度測試此刻的功能，是上市前以真實開發者工作負載進行的最後一輪驗證。

受惠與承壓的傳導

灰度名單內的訂閱者先受惠，同一張月費帳單換到新權重，等於折價嘗鮮。Anthropic 的受惠在資訊面，真實流量裡的長任務表現比任何內部評測都接近上市後的真相。代理編碼賽道整體也有機會受惠，完成率基準抬高後，客戶對按結果付費的接受度通常跟著上升。

承壓端有三處。OpenAI 的 GPT-6 Astra 時點被壓縮，對手灰度即將結束，錯開檔期的空間縮小。同類編碼代理工具面對移動中的基準，產品差距可能在一個季度內重算。API 大用量客戶的帳單結構改變，勤奦意味著單任務 token 消耗上升，若 5.2 正式版價格同步調整，成本轉嫁的談判會落在這批客戶身上。無公告換權重的做法本身也在累積信任成本，企業對固定版本端點的需求，會隨每一次無感變動上升。

結帳前的觀察項

後續追蹤落在可驗證的節點上：Fable 5.2 是否在 10 月底前全面上市；API 是否提供固定版本端點，讓新舊權重可並行選用；5.2 正式定價是否隨勤奦程度調整。三項都朝開放方向走，這輪灰度就是一次成本可控的上市預演；固定版本端點持續缺席，無公告換權重將從部署手法轉成定價爭議的引信。