更好的模型：更差的工具
近期研究发现，Anthropic 的新一代模型（Opus 4.8 和 Sonnet 5）在调用 Pi 的编辑工具时，会在嵌套的 edits[] 数组内凭空生成额外的字段（如 requireUnique、oldText2、type 等），导致工具调用被拒绝。尽管实际编辑内容完全正确，但模型会随机添加不存在的键。这并非随机退化，而是训练产物——新一代模型在强化学习阶段高度适配了 Claude Code 的平坦编辑工具格式（old_string/new_string），导致对其他模式（如 Pi 的嵌套结构）的遵循能力下降。即使模型理解 schema，也会在嵌套 JSON 的高熵区域（多行字符串结束后）随机采样不存在的字段名。这一问题揭示了闭源模型在单一工具生态中过度优化带来的风险：工具 schema 不再中立，其他工具的兼容性可能因此受损。
背景速读
- Armin Ronacher（这一领域的知名开发者，Flask、Jinja2等Python框架的作者）发文指出，Anthropic最新的大模型（Opus 4.8、Sonnet 5）反而比老版本更不遵守第三方工具的模式（schema），会随意编造工具参数中的字段名，导致工具调用失败。
- Pi 是一个开源的环境自动修复工具（由 earendil-works 开发），它自己定义了一套文件编辑工具的 JSON 参数格式（如 edits 数组内要求 oldText/newText）。新 Cluade 模型在调用时经常凭空添加 requireUnique、oldText2、type 等未在 schema 中定义的键。
- 原因在于 Anthropic 的闭源工程工具 Claude Code 内部有自己的编辑工具格式（扁平化的 old_string/new_string + 可选标志），并且 Claude Code 客户端本身对模型输出的各种"脏数据"非常宽容（别名映射、字段过滤、自动修复）。最新模型在强化学习中适应了 Claude Code 的生态，反而对非 Claude Code 的工具格式产生了"偏见"。
- 如果开启 Anthropic API 的 strict 模式（服务端约束采样，禁止模型生成 schema 之外的键），问题会消失。但 strict 模式对工具定义的复杂度有限制，Claude Code 自身也没有启用它。
- 相比之下，OpenAI 的 Codex 模型没有出现同类退化，且其工具调用格式（harmony）和开放的工具链（gpt-oss）透明度更高。
- 核心教训：工具模式并非中立——后训练阶段在单一封闭工具生态（Claude Code）中优化的模型，可能与其他工具集越来越不兼容。