Claude Code 默认推理努力从 high 降到 medium 的前因后果：Anthropic 的一次“错误权衡”与回滚

本篇重点分享我们观察到的几条有效线索。

最近一个月，Hacker News 和 Reddit 上涌现大量开发者反馈：Claude Code 的编码质量突然下滑，工具调用频繁出错，输出重复增多，复杂任务的智能表现明显减弱，同时用户限额消耗速度加快。许多人将矛头指向 Anthropic 可能在偷偷“降智”或算力吃紧，社区讨论一度集中在模型能力退化或公司透明度不足上。

最近不少开发者在处理大型代码库的多文件重构时，突然发现Claude Code的表现大不如前。长会话中模型开始重复输出先前已分析过的依赖关系，忘记工具调用的逻辑链条，甚至在连续交互几轮后就显得“忘事”。Anthropic于4月23日发布的官方postmortem直指问题根源：3月至4月间三个改动叠加，其中缓存优化bug直接冲击了长上下文与多轮会话的稳定性。

Anthropic 承诺加强 dogfooding、更广 eval 和 soak period，这些举措若落地，或能提升行业信任；但类似叠加效应是否会再次出现，仍值得持续跟踪。

这些反馈迅速在Hacker News和Reddit等社区发酵，大家起初多归因于模型正常波动或单一bug，但Anthropic在4月23日发布的postmortem报告揭示了更深层的成因。

提示长度限制看似小调整，却可测量地伤害了编码表现。我的判断是，AI公司仍倾向优先保护“模型未退化”的叙事，这一旧逻辑在高期望的消费者级工具上已越来越行不通。

AI 公司在 postmortem 中的透明度越来越成为用户信任的关键变量。这次事件暴露出的 observability 和 eval 短板，并非 Anthropic 一家独有，却通过详细复盘提供了行业可借鉴的路径。开发者们是否会因为这些承诺重建信心，Claude Code 在下一轮功能迭代中能否真正平衡智能与可靠性，或许将成为观察整个 AI 工程文化转变的一个窗口。

修复后的v2.1.116+版本回滚了所有问题变更，代码质量基本回归基准，Anthropic还为订阅用户重置使用限额以补偿此前cache miss带来的额外消耗。内部back-test显示，修复后Opus 4.7在多步编码和审查任务上稳定性提升，尤其适合需要深度思考的多文件重构场景。但开发者信任的修复远比技术回滚缓慢，短期内部分用户已转向其他方案。

这些数字与 Anthropic postmortem 中提到的 3% eval 下降以及缓存 forgetfulness 细节相互印证，共同指向质量问题如何转化为安全编码的系统性风险放大器。

表面上看，用户社区的反应集中在“Claude Code 突然变笨”这一直观感受上。主流讨论多停留在抱怨模型智能下降或公司响应滞后，很少有人第一时间将问题指向产品层面的细微调整。这种认知盲区并不意外——开发者习惯将 AI 工具的输出质量直接等同于底层大模型，却忽略了模型外部那层关键的“马具”：默认 reasoning effort 设置、上下文缓存策略以及 system prompt 的微调。

深挖技术逻辑，三项变更各自从不同维度影响了用户体验。3月4日默认reasoning effort从high降至medium，本意缓解UI卡顿，却削弱了推理深度；3月26日的缓存优化试图清理闲置思考以降低延迟，却因bug导致每轮对话历史丢失；4月16日为控制Opus 4.7的冗长，在system prompt中加入长度限制，叠加后编码质量评估下降约3%。这些变更覆盖不同流量切片，时间错开，共同制造了“广泛但碎片化”的降质感。

% 和 7% 的剪刀差说明一切，长期来看合规才是最优解。