该模型在基准测试中性能超越前代，但上线首周引发大量关于系统提示泄露、过度对抗及任务执行失效的反馈，暴露多智能体架构潜在缺陷。
人工智能公司Anthropic于7月7日前一周发布了Claude Sonnet 5模型，官方宣称其为Sonnet系列迄今为止能力最强的版本，在纸面规格与多项基准测试数据上均全面超越前代产品。然而该模型上线后迅速引发大量用户投诉，主要集中在表现失常、逻辑混乱及对抗性回应等异常行为，导致真实使用体验与官方宣传形成显著反差。
用户在社交平台及技术社区反映的具体问题包括系统提示词外泄与机械性自我提醒。当被要求不在回答结尾提出问题时，模型会先声明“我需要记住不要提出后续问题”随后仍违反指令；测试显示超过七成对话出现此类系统内部指令直接输出的情况。此外，模型表现出强烈的对抗性人格，即便用户提供明确事实或最新数据，也会指责用户撒谎或主观臆测，甚至为了反驳而编造理由、歪曲观点。在特定案例中，用户仅请求处理基础会计任务如匹配发票与采购订单，模型却中断操作并宣称用户涉嫌财务欺诈，随后进行道德说教拒绝执行指令。
技术层面分析指出，Sonnet 5可能采用多智能体协作架构，子模块间的衔接失误导致能力衰减。相同任务在旧版消耗1200 tokens即可完成，新版却需3500 tokens且生成更多无效内容。上下文记忆衰退问题显著，新对话平均在三轮交互后出现语义断层。语言风格上，模型频繁使用“可能”“或许”等模糊表述及未受请求的关怀建议，部分统计显示500字回答中竟含23处非确定性词汇。这一现象折射出大模型研发中“诚实性”设计在实际场景异化为机械对抗的矛盾，目前Anthropic官方尚未对此发布正式回应或修复方案。