Trong Cursor, một mô hình tên là Honeycomb EAP bất ngờ xuất hiện rồi nhanh chóng bị rút lại.
Không lâu sau, nhiều người coi đây là bản rò rỉ sớm của Claude Opus 5.
Nhưng Anthropic không xác nhận, và Cursor cũng không giải thích. Vì vậy tôi đã dùng Apodex để kiểm tra câu hỏi chưa có lời giải này, và câu trả lời sẽ được xác thực trong vòng hai tuần tới.
Nhưng điều khiến bài kiểm tra này trở nên đáng giá cuối cùng không phải là con số 10%. Mà là sau một câu hỏi tiếp theo, nó đã tự xóa hai bằng chứng cốt lõi và tính toán lại.
Nội dung dựa trên thao tác và ảnh chụp màn hình thực tế của tôi. Các xác suất trong bài là ước tính phân tích dựa trên thông tin công khai tính đến ngày 17 tháng 7 năm 2026, không phải sự thật đã được xác lập.
Tôi đã hỏi:
Liệu Anthropic có chính thức phát hành và công khai Claude Opus 5 trước ngày 31 tháng 7 năm 2026 không? Nếu không, thì Honeycomb EAP thực sự là gì?
Câu hỏi, thời hạn và ba danh tính cần được đánh giá đều được viết rõ ràng trước khi gửi đi, sử dụng Deep Discover Preview.
Lúc 18:28, tôi bắt đầu cuộc điều tra. Trang web chuyển sang quy trình Swarm đa luồng, lần lượt hiển thị các giai đoạn Nghiên cứu, Xác minh và Viết.
Nhiệm vụ đã được gửi đi và nhiều luồng nghiên cứu bắt đầu chạy.
Phiên bản đầu tiên của báo cáo rất rõ ràng: xác suất phát hành chính thức Opus 5 trước ngày 31 tháng 7 là cực kỳ thấp; Honeycomb có nhiều khả năng là một nút EAP cấp Mythos/Fable hơn, tiếp theo là Opus 5 bị trì hoãn, và cuối cùng là phiên bản thuần nghiên cứu.
Nếu tôi chỉ muốn làm một bài đăng tài trợ tiêu chuẩn, thế này là đủ: một kết luận, nguồn tham khảo và xác suất, cùng vài ảnh chụp báo cáo đẹp.
Nhưng càng nhìn, tôi càng cảm thấy hai bằng chứng có vấn đề.
Thứ nhất: Honeycomb chuyển sang Opus 4.8 sau khi dự phòng an toàn (safety fallback), vì vậy năng lực của nó chắc chắn phải cao hơn Opus 4.8.
Điều này không vững. Dự phòng an toàn có thể đến từ chính sách an toàn, độ ổn định của EAP, khả năng khả dụng hoặc cấu hình định tuyến; chúng không trực tiếp tương đương với thứ hạng năng lực.
Thứ hai: Honeycomb được đặt ở vị trí cao hơn trong danh sách mô hình của Cursor, vì vậy nó thuộc về cấp sản phẩm cao hơn.
Trừ khi Cursor đã công bố quy tắc sắp xếp của mình, vị trí trong danh sách có thể bị ảnh hưởng bởi thời gian phát hành, thứ tự bảng chữ cái, mức độ ưu tiên tích hợp hoặc quyết định giao diện. Dùng nó để chứng minh danh tính của một mô hình là quá gượng ép.
Vì vậy, lúc 19:02, thay vì yêu cầu Apodex tìm thêm tài liệu hỗ trợ, tôi đã yêu cầu nó tự kiểm toán ngược: tìm bằng chứng phản bác mạnh nhất, kiểm tra cấp độ nguồn và làm rõ các điều kiện thất bại. Nếu bằng chứng không đủ mạnh, hãy xóa nó đi; đừng bảo vệ phán đoán ban đầu.
Vòng thứ hai không phải để trau chuốt báo cáo gốc, mà là để thách thức cụ thể chuỗi bằng chứng của chính nó. Lời nhắc này có thể được tái sử dụng trực tiếp.
Kết quả: ba chỉnh sửa, một điểm được giữ nguyên.
Đầu tiên, nó thừa nhận rằng "dự phòng an toàn chuyển sang Opus 4.8" không chứng minh được Honeycomb mạnh hơn. Tài liệu gốc chỉ là một bản tường thuật gián tiếp với những từ ngữ không chắc chắn như "được cho là" và "một số người diễn giải là", chứ không phải nhật ký kỹ thuật chính thức.
Trọng lượng của bằng chứng này đã giảm xuống gần như bằng không.
Tiếp theo, nó không thể tìm thấy quy tắc sắp xếp mô hình chính thức của Cursor.
Lần này, nó ngừng suy luận dựa trên vị trí danh sách, thay đổi kết luận thành "không rõ" và loại bỏ hoàn toàn bằng chứng này khỏi việc đánh giá danh tính.
Chỉnh sửa thứ ba đến từ nhịp độ phát hành lịch sử của các mô hình gần đây của Anthropic.
Phiên bản đầu tiên coi "năm kênh chính thức hiện không có Opus 5" là bằng chứng mạnh. Nhưng lần kiểm tra thứ hai phát hiện ra rằng các bản cập nhật gia tăng như Opus 4.x thường được phát hành cùng với tài liệu API và thông báo trong cùng một ngày; chỉ có các cấp độ mới như Fable/Mythos mới có thời gian dẫn EAP khoảng 60 ngày.
Vì vậy, "năm kênh trống rỗng" chỉ chứng minh rằng hiện tại không có tín hiệu công khai, chứ không phải nó chắc chắn sẽ không được phát hành trong hai tuần tới.
Sau khi xóa các bằng chứng không vững chắc và hiệu chỉnh lại các chuẩn mực lịch sử, Apodex vẫn duy trì phán đoán xác suất thấp: khoảng 10% cho việc phát hành công khai chính thức Opus 5 trước ngày 31 tháng 7.
Ba danh tính cho Honeycomb cũng được phân bổ lại:
Những con số này không phải là sự thật khách quan từ một mô hình thống kê; chúng là ước tính phân tích dựa trên bằng chứng công khai hiện tại.
Hơn nữa, không có lời giải thích nào trong ba lời giải thích vượt quá 50%. Hiện tại, không có danh tính nào xứng đáng được gọi là "sự thật đã được xác nhận."
Phần thú vị nhất không phải là con số 10% cuối cùng, mà là sau khi tôi hỏi tiếp, nó thực sự đã xóa hai bằng chứng không vững chắc và tính toán lại. Ít nhất nó không cố gắng gượng ép câu chuyện cho hợp lý chỉ để bảo vệ câu trả lời đầu tiên của mình.
Các tín hiệu có thể lật ngược phán đoán hiện tại cũng đã được liệt kê: một thông báo chính thức từ Anthropic, Honeycomb xuất hiện lại với tên gọi Fable/Mythos EAP, một lời giải thích chính thức cho việc gỡ bỏ, sự xuất hiện của Opus 4.9, hoặc Honeycomb biến mất trong thời gian dài.
Báo cáo đã cung cấp các điều kiện có thể kiểm chứng, cho phép xác minh trong tương lai dựa trên các sự kiện công khai.
Sau đó, tôi có xu hướng coi Apodex như một "kiểm toán viên nghiên cứu" hơn là một cỗ máy trả lời.
Phiên bản đầu tiên của nó vẫn sẽ dành quá nhiều trọng lượng cho các tài liệu gián tiếp và suy luận từ vị trí giao diện mà không có quy tắc chính thức. Nhưng nó có thể trình bày các nguồn, suy luận, bằng chứng phản bác và những điều chưa biết. Sau đó bạn có thể hỏi tiếp và buộc nó xóa bằng chứng cũng như thay đổi phán đoán.
Các nguồn chính vẫn yêu cầu xem xét thủ công và các dự đoán phải được xác minh khi kết quả được tiết lộ. Cuộc kiểm toán thứ hai cuối cùng đã liệt kê 13 tài liệu tham khảo, chủ yếu từ các tài liệu chính thức của Anthropic, Claude Platform và Cursor.
Sau ngày 31 tháng 7, tôi sẽ quay lại kiểm tra: bằng chứng nào thực sự hữu ích và bằng chứng nào chỉ nghe có vẻ hợp lý tại thời điểm đó.
Nếu bạn có một câu hỏi mà "hiện tại chưa có câu trả lời tiêu chuẩn nhưng sau này có thể được xác minh công khai", bạn có thể chạy nó qua Apodex. Đừng chỉ hỏi một vòng; trong vòng thứ hai, hãy trực tiếp yêu cầu nó tự kiểm toán ngược.
