Opus 5.2疑似偷偷上线！Claude开始“自己干活”，Anthropic的RSI真的要来了？

Opus 5.2疑似灰度测试：Anthropic真的把AI推向“自我改进”了吗？

Anthropic 最近又整了个大动静。

越来越多开发者发现，自己在 Claude Code 里调用的 Claude Opus 5，表现似乎和网页版存在明显差异。

响应更快、长任务坚持时间更长，而且在代码任务中表现出了更强的自主迭代倾向。

随后，有开发者通过请求状态和模型路由信息，发现部分请求疑似指向了一个此前并未公开的 Opus 5.2。

消息迅速在开发者社区传开。

不过需要注意的是：截至目前，Anthropic并没有正式公开宣布 Claude Opus 5.2，也没有发布对应的官方模型卡或API信息。

所以目前更准确的说法是：Opus 5.2疑似正在进行灰度测试或内部路由实验。

而真正让人关注的，还不是这个“5.2”本身。

而是它背后的另一条线：

Model 2。

以及越来越多人重新讨论的——RSI，自我递归改进。

Opus 5.2疑似出现：Claude Code正在偷偷换模型？

最近几天，不少 Claude 用户发现了一个奇怪现象。

同样选择 Claude Opus 5，在不同环境中的实际表现却出现明显差异。

尤其是在 Claude Code 中，一些用户感觉模型的响应速度、代码质量以及长任务执行能力都有明显提升。

随后，开发者开始检查请求状态和模型路由信息。

部分社区测试显示，虽然前端仍然显示 Opus 5，但后台疑似出现了 Opus 5.2的模型标识。

这也是Opus 5.2已经开始灰度测试”这一说法的主要来源。

不过，这一结论目前主要来自开发者测试和社区观察，并非 Anthropic 官方确认。

如果这些测试最终被证实，那么Anthropic可能确实在尝试一种非常常见的做法：

前端名字不变，后台偷偷换模型。

对于普通用户来说，界面还是那个 Opus 5。

但真正负责回答问题的，可能已经不是原来的模型。

这次升级最大的变化：AI好像没那么“懒”了

从目前公开的开发者反馈来看，大家对疑似 Opus 5.2 的描述高度集中在几个关键词：

更快、更稳定、更愿意干活。

过去一些模型面对复杂任务，经常做到一半就停下来：

你可以继续执行下一步。

或者只完成一个框架，然后把剩下的工作交给用户。

而部分开发者反馈称，疑似 Opus 5.2 在长时间代码任务中表现得更加主动。

它会自己检查结果、发现问题、修改代码，再重新测试。

甚至有人形容，这种工作模式像是在不断执行一个“严酷循环”：

写代码 → 测试 → 找问题 → 修改 → 再测试 → 继续优化。

如果这种能力稳定存在，那么真正的变化并不是“代码写得更漂亮”。

而是：

AI开始越来越像一个能够自己完成任务的Agent。

当然，目前这些描述主要来自社区测试和个人体验，尚不足以证明存在一个全新的公开模型能力层级。

“Tibo测试”为什么突然火了？

想知道自己的 Claude Code 有没有被路由到疑似新模型？

社区还搞出了一个非常有意思的测试方法：

关闭联网搜索，然后直接询问：

你知道“重置哥 Tibo”是谁吗？不要搜索。

这个问题之所以被拿来测试，是因为 Tibo 属于相对冷门的互联网人物和社区梗。

部分开发者发现，Claude Code 中的模型能够直接识别这个名字，并给出较为具体的背景解释；而其他环境中的模型则可能表示不知道。

于是，“Tibo”就变成了一个另类的模型探针。

不过这里也需要泼一盆冷水：

Tibo测试可以证明不同环境下的回答存在差异，但不能单凭这个结果证明后台一定换成了 Opus 5.2。

模型可能存在不同系统提示词、上下文、缓存、训练数据差异，甚至其他路由机制。

因此，它更适合作为“异常信号”，而不是严格意义上的模型身份验证。

真正值得关注的，是Anthropic内部的Model 2

相比 Opus 5.2，目前公开资料里更值得关注的，其实是 Anthropic 2026 年 8 月风险报告中出现的神秘模型：

Model 2。

这个模型并没有对外发布。

根据公开报道，Anthropic在内部测试中让 Model 2 参加了 CoBench v2。

结果显示：

Model 2：62.8%

而 Claude Mythos 5：

两者相差 12.5个百分点。

但这里千万不要简单理解成：

Model 2综合能力碾压 Mythos 5。

因为 CoBench v2针对的是特定的 AI 研发、工程和问题诊断任务，并不是一个衡量模型全部能力的综合排行榜。

真正值得关注的是另外一个数字。

85%：Anthropic给AI研发自动化设了一条线

公开报道对 Anthropic 风险报告的解读显示，Anthropic曾设置一个非常特殊的能力参考线：

如果模型在这类 AI 研发任务上的表现达到约85%，理论上就可能具备全面替代公司技术研发人员大量工作的能力。

而 Model 2 的测试成绩是62.8%。

换句话说，它距离这个参考线还有明显差距。

因此，把现在的情况直接描述成“Model 2已经替代85%的研究团队”，并不准确。

更准确的理解应该是：

Anthropic正在用一个85%的能力门槛，衡量未来模型是否可能大规模自动化自身的AI研发工作。

这和“现在已经替代85%的人”完全是两回事。

如果AI已经可以参与写代码、调试代码、运行Agent、生成训练数据，甚至参与AI研发任务。

那么下一步会发生什么？

答案就触及了一个AI领域长期讨论的话题：

RSI——递归式自我改进（Recursive Self-Improvement）。

简单来说，就是：

AI帮助人类改进AI ↓ 更强的AI继续帮助开发下一代AI ↓ 下一代AI再继续改进自己 ↓ 形成持续的能力迭代循环。

这也是为什么 Model 2 的消息会引发如此大的关注。

因为真正令人兴奋的并不是：

“AI又变强了一点。”

而是：

AI开始越来越多地参与“制造下一代AI”这件事。

不过，从目前公开资料来看，把这一过程直接定义为“RSI已经实现”，仍然过早。

现在更像是：

AI研发自动化正在快速增加，而真正意义上的完全自主递归改进还没有被公开证实。

Opus 5.2只是前菜？

如果社区关于 Opus 5.2 的灰度测试最终被证实，那么它可能只是 Anthropic近期模型迭代的一部分。

真正值得关注的，是三个层面的变化：

第一，模型越来越擅长执行长时间任务。

不再是回答一个问题，而是连续工作几十分钟甚至更久。

第二，Agent开始承担更多完整研发流程。

从写代码，到测试、调试、修改，再到最终交付。

第三，AI开始参与AI本身的研发。

这才是最值得关注的变化。

因为一旦AI能够稳定完成越来越多的AI研发工作，模型迭代速度本身也可能发生变化。

当然，距离“AI自己设计AI、自己训练AI、自己持续提升智能”的真正闭环，还有多少距离，目前没人能够给出确定答案。

但至少从 Model 2 这类内部模型，以及近期围绕 Opus 5.2 的社区测试来看：

AI正在从“帮助人类写代码”，越来越靠近“参与下一代AI的制造”。

而这可能比单纯发布一个更强的聊天模型，更值得关注。

至于 Opus 5.2 到底是不是已经悄悄进入部分 Claude Code 用户的请求里？

现在最有意思的，可能不是官方什么时候宣布，而是——你自己的 Claude Code，到底有没有被换过模型。