Claude Code 里调用的 Opus 5，和网页版 Opus 5 表现不一致，这事已经有人抓到实锤了。
前端名字没动，请求背后的 model slug 却指向了 Opus 5.2。Anthropic 大概率跳过了 5.1，直接上 5.2。
先确认你被路由到了哪个模型
大厂做灰度最爱用的一招就是路由（Routing）：入口不变，后端按账号、地区或批次切流量。
验证方式不复杂。抓包看请求体里的 model 字段，或者查 /status 返回的模型标识，比看 UI 上的名字靠谱得多。
这一步是后面所有判断的前提。你连自己跑的是哪个权重都不知道，谈体验就是玄学。
Tibo 探针：一个冷知识问题区分两套权重
社区里传开的验证法很土，但有效。
在 Claude Code 里发一条提示词，务必关闭联网搜索：
网页版 Opus 5 面对这个问题基本答不上来，会表示查无此人。被路由到 Opus 5.2 的会话则能准确识别 Tibo 的身份，还能讲清「重置哥」的来龙去脉。
同一个提示词、不开搜索、两边答案分叉，说明背后不是同一份权重。这是工程师 @jan_volad 分享的验证思路。
这里有个坑：联网搜索必须关。开着搜索，模型可以直接去网上捞答案，探针就失效了。
另外提醒一句，这类冷知识探针只适合做定性判断。它能告诉你「换了」，但没法量化「强了多少」。想量化还得靠固定题集跑回归。
实测体感：快、准，以及不再偷懒
工程师反馈集中在三点。
响应速率明显上了一个台阶。相比 Opus 5 的慢条斯理，路由到 5.2 后的产出速度有肉眼可见的差别。
输出更干净。废话少，直切要害，代码生成和长文本处理的质量拉开了一档。
最受关注的是「偷懒病」好转。老模型的通病是遇到复杂长任务就让你「按继续」，或者只给个框架让你自己填。5.2 的表现更像事务狂，不需要反复催促就会自主推进，开发者形容它进入了 gauntlet loop，不断自我演进和补全，直到任务收尾。
有开发者评价：能坚持更长的任务时间，沟通也不费劲。Anthropic 之前在 Fable 模型上玩过类似手法，这次 Opus 5.2 很可能是同一套思路的延续。
灰度期的工程风险，别急着上生产
路由灰度意味着同一份代码在不同账号上跑的是不同模型，这本身就是不稳定源。
如果你的 CI 或自动化流程依赖模型输出格式，灰度期会出现「昨天能过、今天挂掉」的情况，而且极难复现。
建议做法：把模型标识打进日志，出问题时先确认路由到了哪个版本，再谈 prompt 调优。别在灰度期用单一账号的体验去下结论。
Model 2 与 RSI：报告里的数字
8 月中旬曝光的一份 Anthropic 内部报告提到，Opus 5.2 并不是底牌。
内部广泛使用一个代号 Model 2 的模型。在 Co Bench v2 榜单上，Model 2 打出 62.8%，比当时公认最强的 Mythos 5 高出 12.5 分。
更关键的是用途：Anthropic 相当一部分公司代码已由它编写，官方口径是暂不对外发布。
RSI 的部分更激进。报告称 RSI 模型将替代自家研究小组高达 85% 的工作，表现上比 Model 2 再高 22 分。
这些数字来自内部报告，外部无法独立验证，看的时候留个心眼。
三套策略与时间线
报告描述了三套可能叠加的方案。
第一层是 Claude Fable 5.2，最快能对外落地，5.2 家族已经就位，预计最快本月底结合 Opus 5.2 的灰度验证推进。
第二层是内部 Model 2，用于写代码、跑 Agent，飞轮已经在转。
第三层是 RSI，让 AI 理解自身结构并修改自己的代码，形成指数级循环。
路径很清楚：不是让 AI 更好地辅助人类，而是让 AI 造出更好的 AI。
怎么验证，怎么判定
想自己确认路由状态，按这个顺序来。
先抓请求，看 model slug 是否包含 5.2 标识。再跑 Tibo 探针，关闭搜索，对比网页版和 Claude Code 的答案差异。最后用固定题集做回归，记录响应耗时和输出 token 数，横向对比两个版本。
判定标准很简单：slug 指向 5.2、探针答案分叉、回归指标一致偏移，三条同时成立，基本可以确认被路由了。
只满足其中一条，尤其是只有体感变快，不足以定论。
谁先撞线
OpenAI 的 GPT-6 Astra 是明面上的压力，Anthropic 这边的回应是把前沿模型直接塞进工程流程里跑。
从 Opus 5.2 的长任务自主演进，到 Model 2 接管代码编写，再到 RSI 替代 85% 研究员的说法，这条路径的终点指向的是自我改进的飞轮。
对一线工程师来说，眼下更实际的问题是：这个具备自主演进能力的 Opus 5.2，本月会不会正式开放。
在它开放之前，先把路由识别和回归验证的流程搭好，比追热点有用。
