整理 | 華衛(wèi)

“Claude Code 在 2 月份更新后無法用于復(fù)雜的工程任務(wù)。”近日，一條這樣的帖子在熱門開發(fā)者論壇上引發(fā)熱議，甚至讓 Anthropic 的 Claude Code 負(fù)責(zé)人 Boris Cherny 親自“出現(xiàn)”來做回應(yīng)。

溯源之后我們發(fā)現(xiàn)，這一言論最早是在一位開發(fā)者在 Claude Code 的 Github 主頁上提交的 issue，且附上的分析報告基于挖掘了三個月的 Claude 會話日志數(shù)據(jù)得出，包含的角度及內(nèi)容都十分詳盡。

而根據(jù)這位開發(fā)者在 Github 主頁上的名字 Stella Laurenzo 及相關(guān)的 Linedln 帖子，該開發(fā)者還是 AMD 的 AI 團(tuán)隊主管。

思考深度下降 67%，

算力消耗增加幾個數(shù)量級

先來看看 Laurenzo 發(fā)布的分析報告。該報告由 Claude Opus 4.6 基于其 2026 年 1 月 30 日至 4 月 1 日的會話日志數(shù)據(jù)生成，對 6852 份 Claude Code 會話文件中的 17871 個思考模塊與 234760 次工具調(diào)用進(jìn)行量化了分析后給出結(jié)論：redact-thinking-2026-02-12 的上線，與復(fù)雜、長會話工程工作流中可觀測到的質(zhì)量下降呈現(xiàn)精準(zhǔn)關(guān)聯(lián)。

并且，數(shù)據(jù)表明，擴(kuò)展思考 token 并非 “錦上添花” 的功能，而是模型完成多步驟研究、遵循規(guī)范、審慎修改代碼所必需的結(jié)構(gòu)性要素。當(dāng)思考深度被削減時，模型的工具使用模式會出現(xiàn)可測量的轉(zhuǎn)變，從 “優(yōu)先研究” 轉(zhuǎn)向 “優(yōu)先編輯”，進(jìn)而引發(fā)用戶反饋的各類質(zhì)量問題。

在展開分析前，報告中表示，“分析通過數(shù)據(jù)幫助 Anthropic 明確受影響最顯著的工作流及其成因，旨在為高權(quán)限用戶的思考 token 分配決策提供依據(jù)?！?/p>

一是思考內(nèi)容屏蔽時間線與質(zhì)量下降高度吻合，這基于會話 JSONL 文件中的思考模塊分析。此次質(zhì)量下降問題于 3 月 8 日被獨(dú)立上報，而這一天恰好是 redacted thinking 占比突破 50% 的日期，其上線節(jié)奏（一周內(nèi)從 1.5% 逐步升至 25%→58%→100%）與分階段灰度發(fā)布的特征完全吻合。

二是思考深度在 redacted thinking 前已呈下降趨勢，思考模塊中的特征字段與思考內(nèi)容長度的皮爾遜相關(guān)系數(shù)達(dá) 0.971（基于 7146 組同時包含二者的配對樣本測算）。即便在 redacted thinking 后，仍可據(jù)此估算思考深度。截至 2 月下旬，在 redacted thinking 啟動之前，思考深度就已下降約 67%。3 月初上線的 redacted thinking 處理，讓這一變化對用戶變得不可見。

三是行為影響，這些可量化的質(zhì)量指標(biāo)均在開展思考分析之前，基于 18000+ 條用戶提示詞獨(dú)立計算得出。其專門編寫了攔截腳本（stop-phrase-guard.sh），用于自動檢測模型回避責(zé)任、過早終止任務(wù)、反復(fù)請求授權(quán)確認(rèn)等行為。該腳本在 3 月 8 日之后的 17 天內(nèi)觸發(fā)了 173 次，而在此之前觸發(fā)次數(shù)為零。

四是工具使用模式轉(zhuǎn)變：優(yōu)先查閱 → 優(yōu)先編輯，對 234760 次工具調(diào)用的分析顯示，模型不再先閱讀代碼再進(jìn)行修改。模型從每次編輯對應(yīng) 6.6 次查閱降至 2.0 次，修改前的調(diào)研行為減少了 70%。在表現(xiàn)良好的階段，模型工作流為：讀取目標(biāo)文件 → 查閱相關(guān)文件 → 在代碼庫中檢索調(diào)用關(guān)系 → 閱讀頭文件與測試代碼 → 再進(jìn)行精準(zhǔn)修改。而在性能退化階段，模型僅讀取當(dāng)前文件便直接編輯，常常不檢查上下文環(huán)境。

報告稱，研究力度的下滑始于 2 月中旬，與估算思考深度下降 67% 的時間段完全吻合。同時，整文件寫入的使用量翻倍，模型越來越傾向于重寫整個文件，而非進(jìn)行精準(zhǔn)的局部修改；這種方式速度更快，但會喪失精確性與上下文感知能力。

并且，“減少思考次數(shù)看似能節(jié)省每次請求的算力。但一旦思考不足導(dǎo)致輸出質(zhì)量下降時，模型就會崩潰：生成錯誤結(jié)果、被中斷、不斷重試，并在后續(xù)修正中消耗大量 token。而這些修正原本在第一次就正確思考的情況下是不需要的，最終結(jié)果卻是，整體算力消耗增加了幾個數(shù)量級。”

據(jù)悉，受影響的工作流包含多個場景：50 余個并發(fā)智能體會話，從事系統(tǒng)編程（C、MLIR、GPU 驅(qū)動）；30 分鐘以上自主運(yùn)行，執(zhí)行復(fù)雜的多文件修改；大量項目專屬規(guī)范（長達(dá) 5000 余詞的 CLAUDE.md）；代碼評審、需求 / 工單管理與迭代調(diào)試；表現(xiàn)良好階段，曾在一個周末內(nèi)通過兩個合并請求合入 19.1 萬行代碼。

Laurenzo 強(qiáng)調(diào)，“擴(kuò)展思考是高級工程師工作流程的支柱”。她表示，擴(kuò)展思考是模型實(shí)現(xiàn)以下能力的核心機(jī)制：行動前規(guī)劃多步方案（讀取哪些文件、按什么順序）、從 CLAUDE.md 中調(diào)取并應(yīng)用項目規(guī)范、在輸出前自行發(fā)現(xiàn)錯誤、判斷繼續(xù)執(zhí)行還是終止（會話管理）、在數(shù)百次工具調(diào)用中保持連貫推理。

“當(dāng)思考深度不足時，模型會傾向于選擇成本最低的行為：不閱讀就編輯、未完成就終止、為失敗推諉責(zé)任、采用最簡單而非正確的修復(fù)方案。這些正是實(shí)際觀測到的問題表現(xiàn)?！边@是該開發(fā)者最終給出的判斷。

為此，她提出以下四點(diǎn)改進(jìn)建議。

• 思考資源分配透明化：若思考 token 被削減或設(shè)限，依賴深度推理的用戶應(yīng)知情。當(dāng)前的思考內(nèi)容脫敏頭部導(dǎo)致外部無法驗證。

• “最大思考量” 付費(fèi)檔位：運(yùn)行復(fù)雜工程工作流的用戶愿意支付更高費(fèi)用，以獲得穩(wěn)定的深度思考能力?，F(xiàn)有訂閱模式未區(qū)分單次需 200 思考 token 與需 20,000 思考 token 的用戶。

• 在 API 響應(yīng)中返回思考 token 指標(biāo)：即便思考內(nèi)容被脫敏，在用量響應(yīng)中暴露 thinking_tokens 字段，可讓用戶監(jiān)控請求是否獲得所需推理深度。

• 來自重度用戶的預(yù)警指標(biāo)：攔截腳本觸發(fā)率（從 0 升至日均 10 次）可作為機(jī)器可讀信號，在全用戶群中監(jiān)測，作為質(zhì)量下降的先行指標(biāo)。

開發(fā)者罵瘋了：

退化為一個 AI“玩具”

對于這份分析報告，不少開發(fā)者表示了強(qiáng)烈的認(rèn)同。“分析得太棒了。作為用戶，我過去幾周也遇到了這個問題，但一直找不到原因?！薄巴耆C實(shí)了我們一直以來所說的！”“這與我使用 Claude 的經(jīng)歷非常吻合，尤其是在過去的幾個月里。”“原來不止我一個人這樣。”

甚至有幾位個人開發(fā)者認(rèn)為，Claude Code 的水平已經(jīng)下降到一年以前?！斑^去一個月我對 Claude Code 越來越失望，它經(jīng)常胡說八道，還信誓旦旦地解釋一些我知道是錯的原理。感覺就像在用去年的 Claude Code 一樣。”“我使用 Claude Code 已經(jīng) 8 個月了，但現(xiàn)在模型質(zhì)量的下降程度讓我非常驚訝。不僅 token 使用量激增，而且最新 Opus 和 Sonnet 模型生成的代碼質(zhì)量也遠(yuǎn)低于我去年 12 月的水平?！?/p>

還有開發(fā)者稱，“不止復(fù)雜工程任務(wù)，Claude 已經(jīng)退化到無法信任其執(zhí)行任何工程任務(wù)的地步了。它從來不會第一次就把事情做對，代碼中充滿了錯誤和重復(fù)代碼，必須時刻監(jiān)視它，否則它就會搞砸一切。Claude 已經(jīng)淪為又一個人工智能‘玩具’了，真可惜?！?/p>

值得關(guān)注的是，某位采用 Claude 的企業(yè)技術(shù)團(tuán)隊負(fù)責(zé)人，就此給出了更為尖銳的評價。

我對此并無異議，而且我其實(shí)還有更復(fù)雜的內(nèi)部分析。但我也在盡量謹(jǐn)慎發(fā)言，只談?wù)撐冶救四軌蜃C實(shí)的事情。我曾多次告訴我的團(tuán)隊，“挫折在所難免，供應(yīng)商發(fā)布糟糕版本也不是第一次了”。然而，這次的退步非常嚴(yán)重，我想我們都在觀察 Anthropic 會如何處理。歸根結(jié)底，我需要一個值得信賴的工程工具合作伙伴，這一點(diǎn)對智能體本身和智能體的開發(fā)者同樣適用。如果他們能從現(xiàn)在的狀況中把產(chǎn)品拉回正軌，我會密切關(guān)注，并在看到他們的實(shí)際行動之前保留意見。

我受多項保密協(xié)議約束，只能透露我能說的有限信息。我只想再補(bǔ)充一點(diǎn)：六個月前，Claude 在推理質(zhì)量和執(zhí)行能力上還是獨(dú)一檔的存在但其他競品現(xiàn)在也需要被密切關(guān)注和仔細(xì)評估。在 Opus 此前所處的能力梯隊中，Anthropic 早已不再是唯一的玩家。

Claude Code 負(fù)責(zé)人回應(yīng)被駁，

反給 Codex“送人”？

事態(tài)不斷發(fā)酵，加入這場討論的開發(fā)者越來越多，Claude Code 負(fù)責(zé)人 Boris Cherny 也注意到了，并于幾個小時前親自在 Github 和論壇都發(fā)帖回應(yīng)了情況。

您好，感謝這份詳盡的分析。在繼續(xù)溝通之前，我想先表達(dá)對其中展現(xiàn)的深度思考與嚴(yán)謹(jǐn)態(tài)度的認(rèn)可。這份報告內(nèi)容豐富，我將嘗試逐一拆解說明。核心問題主要集中在兩點(diǎn)：

關(guān)于 redact-thinking-2026-02-12

該測試版頭部配置僅在界面中隱藏思考過程，因為絕大多數(shù)用戶并不會查看這部分內(nèi)容。它不會影響模型實(shí)際的思考行為，也不會改變思考配額或底層擴(kuò)展推理機(jī)制，屬于純界面層面的改動。

在底層實(shí)現(xiàn)中，啟用該頭部可以省去生成思考摘要的步驟，從而降低延遲。你可以在 settings.json 中設(shè)置 showThinkingSummaries: true 退出該模式（詳見文檔）。

如果你分析的是本地存儲的會話記錄，在該頭部啟用的情況下將不會保存原始思考內(nèi)容，這很可能對分析結(jié)果產(chǎn)生了影響。Claude 在本次分析中觀察到會話記錄缺少思考內(nèi)容，可能并未意識到思考過程實(shí)際仍在進(jìn)行，只是未對用戶展示而已。

關(guān)于 “截至 2 月下旬思考深度已下降約 67%”

我們在 2 月份確實(shí)落地了兩項可能對此產(chǎn)生影響的改動，且均經(jīng)過審慎評估：

2 月 9 日：Opus 4.6 版本發(fā)布 → 默認(rèn)啟用自適應(yīng)思考機(jī)制 Opus 4.6 支持自適應(yīng)思考，這與此前采用的固定思考配額機(jī)制不同。在該模式下，由模型自主決定思考時長，整體效果普遍優(yōu)于固定配額方案?？赏ㄟ^ CLAUDE_CODE_DISABLE_ADAPTIVE_THINKING 退出該機(jī)制。

3 月 3 日：Opus 4.6 默認(rèn)思考強(qiáng)度設(shè)為中等（85）我們發(fā)現(xiàn)，強(qiáng)度值 85 在智能水平、延遲與成本之間達(dá)到了對大多數(shù)用戶而言的最優(yōu)平衡點(diǎn)，能夠在提升 token 效率的同時降低延遲。我們的產(chǎn)品原則之一是避免擅自更改用戶設(shè)置，理想情況下本應(yīng)從一開始就將默認(rèn)值設(shè)為 85。由于我們認(rèn)為這是一項關(guān)鍵調(diào)整，因此采取了以下方案：

1. 上線時伴隨彈窗提示，讓用戶知曉變更并可選擇退出

2. 在用戶首次打開 Claude Code 時顯示當(dāng)前強(qiáng)度值，避免產(chǎn)生困惑

部分用戶希望模型進(jìn)行更長時間的思考，即便這意味著更高的耗時與 token 消耗。若想進(jìn)一步提升智能表現(xiàn)，可通過 /effort 指令或在 settings.json 中將強(qiáng)度設(shè)為 high。該設(shè)置會在會話間保留，也可在團(tuán)隊內(nèi)共享。你也可以使用 ULTRATHINK 關(guān)鍵字為單輪對話啟用高強(qiáng)度思考，或設(shè)置 /effort max 讓本輪對話后續(xù)內(nèi)容使用更高思考強(qiáng)度。

后續(xù)我們將測試為團(tuán)隊版與企業(yè)版用戶默認(rèn)啟用高思考強(qiáng)度，使其直接受益于擴(kuò)展思考能力，即便會帶來額外 token 消耗與延遲。該默認(rèn)設(shè)置同樣可通過 /effort 指令與 settings.json 進(jìn)行調(diào)整。

但大部分開發(fā)者似乎并不“買賬”他的解釋，還紛紛反駁了其論述的幾個方面。

首先是 Laurenzo，她對此回復(fù)道，“需要明確的是，針對這一問題，我們已經(jīng)嘗試了思考強(qiáng)度與自適應(yīng)思考的所有參數(shù)組合，并通?；谶B續(xù)數(shù)天的日志進(jìn)行驗證。最終我們得出結(jié)論：Claude 的質(zhì)量退化已經(jīng)嚴(yán)重到無法再作為可靠協(xié)作伙伴正常使用。我們擁有足夠多思考過程未被屏蔽的日志數(shù)據(jù)，可以證明：在思考過程被隱藏之前，模型性能就已經(jīng)出現(xiàn)劣化。無論如何，你們可以按照自己的方式處理問題生命周期，但我們目前沒有看到任何證據(jù)表明該問題已被修復(fù)，或可通過現(xiàn)有參數(shù)設(shè)置進(jìn)行有效控制。”

一部分開發(fā)者表態(tài)稱，“關(guān)于此事，如果 Anthropic 官方回應(yīng)稱一切運(yùn)行正常、并無問題，那我們最終大概率將遷移至 Codex。”

也有開發(fā)者表示，“直到輸出質(zhì)量急劇下滑，我才意識到默認(rèn)思考強(qiáng)度已被改為中等。為此我耗費(fèi)了將近一天時間來修正問題?，F(xiàn)在我都會把思考強(qiáng)度設(shè)為最高，之后就再沒出現(xiàn)過糟糕的會話情況。懇請加入一個‘始終全力思考’的模式可以嗎？”

對此，有幾位開發(fā)者持有不同的看法。一位開發(fā)者說道，“我感覺最高思考強(qiáng)度模式反倒有點(diǎn)像是用力過猛，結(jié)果變得急功近利、敷衍了事，甚至出現(xiàn)反向效果，反而和低強(qiáng)度模式或劣質(zhì)提示詞的表現(xiàn)差不多了?！边€有開發(fā)者指出，“問題遠(yuǎn)不止是默認(rèn)思考強(qiáng)度被設(shè)為中等這么簡單，我也認(rèn)同其他人的說法，即便調(diào)至高強(qiáng)度模式，模型急于草草收尾的傾向也明顯大幅加劇?！?/p>

Cherny 專門回復(fù)了這個問題，態(tài)度也很誠懇。他表示，“感謝反饋。為方便我們實(shí)際定位問題，麻煩您下次遇到此類情況時執(zhí)行 `/bug` 指令，并在此處提交反饋編號。這樣我們就能進(jìn)行調(diào)試，判斷是出現(xiàn)了異常問題，還是仍在正常波動范圍內(nèi)?！?/p>

就這一情況，Laurenzo 在回復(fù) Cherny 的評論中發(fā)表了最新觀點(diǎn)及其之后的計劃?！斑@次引發(fā)的反響遠(yuǎn)超我的預(yù)期，之后我已刪除了部分被斷章取義的表述，這些內(nèi)容偏離了我撰寫報告時只想呈現(xiàn)‘客觀觀測結(jié)果’的初衷。正如該討論主題開頭所說，Claude 在過去數(shù)月里一直表現(xiàn)出色，我們也希望評估如何繼續(xù)從它身上獲得我們早已習(xí)慣的高質(zhì)量輸出。在我們此前的測試中，并未發(fā)現(xiàn)調(diào)整任何思考強(qiáng)度參數(shù)能夠改變模型觸發(fā)攔截規(guī)則、傾向走最簡路徑的問題?！?/p>

她表示，“由于這類評估必須基于真實(shí)開發(fā)場景，我們會在相關(guān)工作推進(jìn)時重新試用這些設(shè)置，并提交 `/bug` 反饋記錄（我們同時保留了完整會話日志，可私下共享；本次分析僅基于開源代碼庫上的工作內(nèi)容）?！?/p>

https://news.ycombinator.com/item?id=47660925

https://github.com/anthropics/claude-code/issues/42796#issuecomment-4194703741

聲明：本文為 AI 前線整理，不代表平臺觀點(diǎn)，未經(jīng)許可禁止轉(zhuǎn)載。

會議推薦

QCon 全球軟件開發(fā)大會·2026 北京站將于 4 月 16 日 -18 日正式舉辦。本屆大會以“Agentic AI 時代的軟件工程重塑”為主題，聚焦 100+ 重磅議題，匯聚來自阿里、騰訊、字節(jié)跳動、小米、百度等一線科技企業(yè)與創(chuàng)新團(tuán)隊的技術(shù)專家，圍繞 AI 工程化、系統(tǒng)架構(gòu)與研發(fā)模式演進(jìn)展開深入探討。更多詳情可掃碼或聯(lián)系票務(wù)經(jīng)理 18514549229 進(jìn)行咨詢。

今日薦文

你也「在看」嗎？