更好的模型:更差的工具
Armin报告了一个奇怪问题:新版的Claude模型(Opus 4.8和Sonnet 5)在调用Pi的编辑工具时,会在嵌套的edits[]数组中添加额外的虚构字段,导致工具调用被拒绝,而旧模型没有这个问题。作者猜测是因为Anthropic最新模型被训练为更好地使用Claude Code内置的编辑工具,反而使第三方工具使用错误。
原贴
查看原文原文
中文翻译
核心信息
Armin报告了一个奇怪问题:新版的Claude模型(Opus 4.8和Sonnet 5)在调用Pi的编辑工具时,会在嵌套的edits[]数组中添加额外的虚构字段,导致工具调用被拒绝,而旧模型没有这个问题。作者猜测是因为Anthropic最新模型被训练为更好地使用Claude Code内置的编辑工具,反而使第三方工具使用错误。
- Armin报告了一个奇怪问题:新版的Claude模型(Opus 4.8和Sonnet 5)在调用Pi的编辑工具时,会在嵌套的edits[]数组中添加额外的虚构字段,导致工具调用被拒绝,而旧模型没有这个问题。作者猜测是因为Anthropic最新模型被训练为更好地使用Claude Code内置的编辑工具,反而使第三方工具使用错误。
- 原贴提到:Better Models: Worse Tools Armin reports on a weird problem he ran into
- 来源:simonwillison.net
详细解读
这是一个值得关注的信号:大型语言模型在工具调用能力上的变化并非总是线性提升。具体表现为,Anthropic最新发布的Claude Opus 4.8和Sonnet 5模型在调用外部编辑工具时,会随意添加模式中不存在的字段,导致工具调用失败。而旧版本模型反而表现正常。这打破了“新模型必然更好”的直觉。
为什么重要?这表明模型厂商在强化训练特定工具(如Claude Code内置的编辑工具)时,可能会损害模型对其他自定义工具的泛化能力。对于依赖模型工具调用的第三方应用(如Pi、Cursor等编码助手),这意味着即使模型自身能力提升,其与外部工具的兼容性却可能恶化。这直接影响了AI应用的可靠性和用户体验。
对谁有价值?AI工具开发者、编码助手平台(如Pi、Continue等)、以及使用模型进行自动化编码的团队。他们需要意识到,模型升级可能带来工具调用侧的回归问题。
可以怎么行动?1)开发者应在模型升级时全面测试自定义工具调用,不能假设新模型兼容旧模式;2)考虑为不同模型提供多个工具实现(如搜索替换、apply_patch等),动态选择最适配的版本;3)关注模型厂商的公开文档和社区反馈,了解模型训练侧重点的变化。
风险或限制:本文仅针对Anthropic模型在编辑工具场景下的表现,不代表其他模型或任务。且问题可能随模型更新而修复,但暴露的“训练目标冲突”是结构性问题,需要长期关注。
信息差价值
这条内容的真正价值,不只是“有人发布了一个新功能”,而是它揭示了 simonwillison.net 背后的产品方向、工作流变化或竞争信号。对 OPC 来说,这种信息可以转化成持续追踪的栏目选题。
如果把《更好的模型:更差的工具》放到你的内容系统里,它最大的价值在于帮助读者更快看懂“为什么值得关注”,而不是只看到一条碎片化动态。
参考来源
TOPIC HUBS
延伸专题
AI SUMMARY
这篇文章回答了什么
更好的模型:更差的工具主要讲什么?
Armin报告了一个奇怪问题:新版的Claude模型(Opus 4.8和Sonnet 5)在调用Pi的编辑工具时,会在嵌套的edits[]数组中添加额外的虚构字段,导致工具调用被拒绝,而旧模型没有这个问题。作者猜测是因为Anthropic最新模型被训练为更好地使用Claude Code内置的编辑工具,反而使第三方工具使用错误。
这篇文章最值得关注的要点是什么?
Armin报告了一个奇怪问题:新版的Claude模型(Opus 4.8和Sonnet 5)在调用Pi的编辑工具时,会在嵌套的edits[]数组中添加额外的虚构字段,导致工具调用被拒绝,而旧模型没有这个问题。作者猜测是因为Anthropic…;原贴提到:Better Models: Worse Tools Armin reports on a weird problem he ran into;来源:simonwillison.net
这篇文章和哪些AI专题相关?
它适合放在Agent工作流、AI副业、AI工具专题里阅读。 关联原因:这篇内容命中「Agent、Claude Code」等主题信号。;这篇内容命中「项目、小生意、变现」等主题信号。;这篇内容命中「工具、模型、Claude」等主题信号。
阅读这篇文章建议先理解哪些关键词?
建议先理解AI工具、工具、自动化、模型、Cursor这些关键词,再结合正文判断工具、机会或风险是否值得进入自己的工作流。