Cursor 里，一个叫 Honeycomb EAP 的模型短暂出现，又很快被撤下。
没过多久，它就被很多人当成了 Claude Opus 5 的提前泄漏。
但 Anthropic 没确认，Cursor 也没解释。于是我拿这道目前没有答案、两周后又能公开对账的问题，测了一次 Apodex。
但最后让我觉得这次测试值了的，不是 10% 这个数字。是我追问一次后，它把自己两条核心证据删了，重新算。
内容来自我的真实操作与截图记录。文中的概率是基于 2026 年 7 月 17 日公开信息作出的分析估计，不是已经发生的事实。
我问的是：
截至 2026 年 7 月 31 日，Anthropic 会不会正式发布并公开开放 Claude Opus 5？如果不会，Honeycomb EAP 到底是哪一种？
问题、截止日期和三种待判断身份都在提交前写清楚，最终使用的是 Deep Discover Preview。
18:28，我开始探究。页面进入多路 Swarm 流程，依次显示研究、校验、撰写。
任务已经提交，并开始派发多个研究 run。
第一版报告的判断很明确：7 月 31 日前正式发布 Opus 5 的概率极低；Honeycomb 更像 Mythos/Fable 层级的 EAP 节点，其次是延期的 Opus 5，纯研究版本排在最后。
如果只想做一篇普通商单，到这里已经够了：有结论、有来源、有概率，再截几张好看的报告图就能交稿。
但我越看越觉得，有两条证据不太对。
第一条：Honeycomb 触发安全回退后会切到 Opus 4.8，所以它的能力一定高于 Opus 4.8。
这并不成立。回退也可能来自安全策略、EAP 稳定性、可用性或路由配置，不能直接等同于能力排序。
第二条：Honeycomb 在 Cursor 模型列表里的位置更高，所以它属于更高产品层级。
除非 Cursor 公开过排序规则，否则列表位置也可能受发布时间、字母顺序、集成优先级或 UI 决策影响。拿它证明模型身份，太勉强了。
于是 19:02，我没有让 Apodex 继续找支持材料，而是让它反向审计自己：找最强反证、检查来源等级、写清失效条件。证据不够就删掉，不要维护第一次的判断。
第二轮不是润色原报告，而是专门挑战它自己的证据链。这个 Prompt 可以直接复用。
结果是：三项修正，一项维持。
它先承认，“安全回退到 Opus 4.8”不能证明 Honeycomb 更强。原始材料只是一条带有 claimed 和 some are reading as 等不确定措辞的二手转述，不是官方技术记录。
这条证据的权重被降到了接近零。
接着，它也没找到 Cursor 官方的模型排序规则。
这次没有继续拿列表位置讲故事，而是把结论改成“未知”，并把这条证据从身份判断里彻底移除。
第三个修正来自 Anthropic 最近几次模型发布的历史节奏。
第一版把“五个官方渠道目前都没有 Opus 5”当成强证据。但二次核查发现，Opus 4.x 这类增量更新经常当天才放出 API 文档和公告；Fable/Mythos 这种新层级发布，才出现过大约 60 天的 EAP 前置期。
所以“五个渠道为空”只能证明目前没有公开信号，不能单独证明未来两周一定不会发布。
删掉两条站不住的证据、重新校准历史基准后，Apodex 仍然维持低概率判断：7 月 31 日前正式发布并公开开放 Opus 5，约 10%。
Honeycomb 的三种身份也被重新分配：
这些数字不是统计模型跑出来的客观真值，只是基于当前公开证据的分析估计。
而且三个解释都没超过 50%。目前没有哪一种身份值得被写成“实锤”。
这次最有意思的不是它最后给了 10%，而是我追问以后，它真的把两条站不住的证据删了，重新算了一遍。至少它没有为了维护第一次的答案，硬把故事讲圆。
后续能推翻当前判断的信号也被列了出来：Anthropic 正式公告、Honeycomb 重新以 Fable/Mythos EAP 名称出现、官方解释撤除原因、Opus 4.9 出现，或者 Honeycomb 长期消失。
报告给出了可推翻条件，后面可以按公开事件继续对账。
这次之后，我更愿意把 Apodex 当成“研究审计员”，而不是答案机器。
它第一版照样会给二手材料过高权重，也会从一个没有官方排序规则的 UI 位置继续推理。但它能把来源、推断、反证和未知项摊开。你还可以继续追问，逼它删证据、改判断。
关键来源仍然要人工打开复核，预测也必须等结果揭晓后对账。二次审计最终列了 13 项参考文献，主要来自 Anthropic、Claude Platform 和 Cursor 官方资料。
7 月 31 日之后，我会回来核对：哪些证据真的有用，哪些只是当时听起来很合理。
如果你也有一个“现在没有标准答案，但过一段时间能公开对账”的问题，可以去 Apodex 跑一次。别只问一轮，第二轮直接让它反向审计自己。
