Claude Opus 5 is a freak，不是在吹牛：它展現出「能自己規劃、能用工具、能跑長流程、還會回頭驗證修正」的能力。更關鍵的是，我在實際測試裡看到它不只產出結果，還會在中途抓到錯誤並修到可用——這種表現讓人很難用一般聊天模型的標準去理解。

我第一次真正被它震到，是用一個很不合理的測試：要它「用單一瀏覽器頁面，做出接近 Windows 11 的介面」，並且要有常見應用、可操作、還要能存檔。我原本以為會變成一堆好看的假畫面，結果它直接把介面機制拆得很細：從拖曳、縮放、吸附（snap）到焦點（focus），再一路長出桌面、工作列、開始選單，最後把Word/Excel/PowerPoint 這種級別的互動也做進去。

最怪、也最「freak」的部分在於：它會在渲染後自動檢查錯誤，發現 bug 就回頭修，還會持續測行為，直到我能明確感覺到「真的跑得起來」。我看著它在同一個流程裡，先規劃、再生成、再驗證修補，整個體驗像是在看一個會自我除錯的工程師在遠端趕工。

Claude Opus 5 為什麼被我說是 freak？：它不是只會回答

Claude Opus 5 is a freak 的核心差異在於：它更像「會做事的系統」，而不是「只會回覆文字」。在我測試中，它能把任務拆成多步，並且在需要時使用不同檔案、不同工具、不同平台的介面，讓輸出從文本一路變成可操作的成果。

我常用的判斷方式是：看它是不是能在任務中維持方向、把細節做完整、並在最後交付可驗證的結果。Opus 5 在「長流程、多步驟」的任務上特別明顯：它會先規劃，再逐段產出組件，最後用驗證流程收尾。這不是偶然的靈感，而是它的工作方式比較接近代理式（agentic）長任務。

把它放在我熟悉的語境裡講：我教學時最在意的是「學生是否真的做得出來」。Opus 5 的 freak 在於，它往往真的能做到，而且做完還會回頭檢查。這讓我在面對需要反覆迭代的工作時，感覺它不像是一次性產出，而是能承擔一段工程流程。

我親測的第一波：用單一提示做出類 Windows 11 的可用網頁

我給它的任務很直白：做一個「瀏覽器友善」的 Windows 11 風格頁面，包含常見應用與程式，並且要真的能下載、能運作。它不是只做外觀；它把介面元件、應用容器、互動行為都做出來。

結果真的讓我停下來看：它先把整體架構規劃好，接著生成桌面、開始選單、工作列等主元件；再把應用逐一塞進去，包括檔案總管、Office（Word/Excel）、媒體播放、Discord、Slack、Spotify、Microsoft Store等。甚至還有一些小遊戲與實用工具風格的呈現。

更誇張的是它能在渲染後進行自動測試：如果在頁面生成過程中出現 bug，它會抓到並修正；接著再找其他錯誤、再測行為。最後我看到的是一個能在 Chrome 這種一般瀏覽器裡運作的版本，包含可編輯、可存檔的互動。

可操作的互動：Word、Excel 的公式與存檔都走得通

我最在意的不是它有沒有做出「看起來像 Word」的畫面，而是有沒有做到真正的互動邏輯。它打開 Word 文件後，我可以輸入文字、套用粗斜體、改字色、調整對齊方式，甚至按下Ctrl S保存。接著我退出再打開，保存內容也真的在。

Excel 的部分同樣讓人安心：我輸入數字後，它能處理公式，例如我寫下=AVERAGE(A1 to A5)，它給出正確平均；再寫=SUM(A1 to A5)，也能得到正確總和。這代表它不是硬塞假數字，而是做了可用的計算邏輯。

這種「能互動、能保存、能計算」的表現，才是我說它 freak 的原因之一：因為它在把任務做成可驗證的工程成果，而不是只提供展示圖。

它也會卡：PowerPoint 的拖曳能力不夠、部分聊天互動偏硬編

如果你期待它在每個應用都完全像原生軟體，那你會失望。以我測到的 PowerPoint 為例，它確實能生成簡報並打開，但某些操作能力不完整，例如文字方塊的拖曳調整能力不足，功能深度與真實 PowerPoint 仍有落差。

Discord 與 Slack 的互動也有同樣的問題：它能做出介面與訊息視覺效果，甚至模擬有人回覆，但回覆內容並非真正理解你訊息的語意，而是偏向預先設定的行為。換句話說，它在「外觀與流程」上很能打，但在「語意理解後的真對話」仍有明顯限制。

我把這點寫出來，是因為 freak 不代表永遠完美。更合理的解讀是：Opus 5 在工具使用與多步流程上很強，但在需要深度語意推理、或要求高度一致的複雜互動時，仍可能出現可預期的缺口。

第二波震撼：從參考圖生成 3D 動畫，還能比其他模型更貼近

我接著做了更刁鑽的測試：上傳一張幾何辦公場景參考圖，要求它忠實呈現，並生成一個單一 HTML 檔的 3D 動畫場景。這種任務最容易翻車，因為你不只要建模，還要對齊比例、物件關係、光暈與細節一致性。

初版出來後，它確實先給了一個基本場景，但我指出幾個關鍵問題：例如桌椅擺放不對、光暈太多，而且要它「看起來必須像附圖」。結果在後續修正後，整體的對齊與結構明顯更接近原圖。

我仍然看得到不一致，例如有些面板應該貼牆、書架上的書不完全一致、甚至可能出現多一張椅子或漏掉某些人形位置。但相較於我同時測到的其他模型輸出，Opus 5 的版本整體更像、錯得更少，這就是我覺得它「freak」的地方：它能更快逼近你要的真實感。

測試項目	我看到的表現	仍需改進
3D 場景一致性	結構更貼近參考圖	細節仍可能錯位
修正能力	能依回饋做再生成	需要明確指出問題
交付形式	單一 HTML 可跑	複雜場景仍有誤差

第三波：把報告資料找齊、分析、做成影片並完成渲染

接著我做了一個更像「工作委外」的測試：要求它做一支專業簡報影片，對比多家公司的財務與未來展望，並且要它去找到特定季度報告、分析數據、做圖表，還要加入旁白與動畫。

我沒有把報告檔直接貼給它，而是只給任務描述。它後來能夠自行去搜尋報告、整理財務重點、再安裝所需的工具（例如用於動畫的開源素材流程），接著生成旁白、最後把影片渲染出來。這種「從資料取得到成片交付」的完整度，讓我覺得它不只是能寫東西，而是能把流程跑完。

最讓人印象深刻的是它會在生成後做自我驗證：如果發現錯誤，就回頭修正，直到渲染成功。這對反覆做同類型內容的人來說，意義非常大——因為時間常常被卡在「中間出錯、來回修補」的地方。

我對 Claude Opus 5 的結論：freak 的點在「長任務 + 自我驗證 + 工具使用」

總結來說，我仍然站在Claude Opus 5 is a freak這句話上：它的 freak 不是在耍酷，而是在於它更常把任務當成工程來完成。你丟給它的不是「答案」，而是「要做出來的成果」，它就能規劃多步、使用工具、跑長流程，並且在途中用驗證與修正把成功率拉高。

當然，它也會卡在特定深度：例如需要高度一致的複雜互動、或需要真正語意理解的對話品質，仍可能出現硬編或不完整能力。但整體表現讓人難以忽視，尤其是當你追求的是「可用、可操作、可驗證」的輸出。

如果你也正在做需要多步迭代的內容或產品原型，我會建議你用「可檢查的交付標準」去測它：能不能存檔？能不能跑起來？錯誤會不會自動修？只要你用這些標準去看，Opus 5 的 freak 就會越來越明顯。

FAQ

🤖 Claude Opus 5 為什麼會被說是 freak？

因為它不只會回覆，它會把任務跑成可驗證的成果。在我實測中，它能拆解多步流程、使用工具生成可操作介面或成片，並且在生成後進行自我檢查與修正，讓成功率明顯高於只做文字產出的模式。

🧪 它做得到哪些「可驗證」的事情？

它能做出能操作、能保存、能運算的輸出。例如我測到類 Windows 介面裡的 Word 可編輯並保存、Excel 的公式（平均與求和）能得到正確結果；3D 場景也能以單一 HTML 形式交付並可在瀏覽器中呈現。

⚠️ 它有哪些地方不夠完美，還是會讓人抓狂？

它在部分深度互動與語意對話上仍可能硬編或不完整。像 PowerPoint 的拖曳能力不足、Discord/Slack 的回覆可能不真正讀懂你的訊息；而 3D 場景雖更貼近參考圖，仍可能在細節對齊與物件一致性上出現錯漏。

📺 來源影片參考