Claude Code 质量下滑引发的安全编码风险评估：漏洞率上升47%+，开发者该如何自救？

面对24小时一元一分跑的快群的最新动态，许多内容站开始尝试更克制的打法。

月4日，Anthropic针对Claude Code在Opus 4.6和Sonnet 4.6上的高推理努力模式，悄然将默认设置从high调整为medium。这一决策直接源于部分用户在高努力下遭遇的极长思考尾部延迟，界面甚至出现冻结假象，同时也为了控制不必要的token消耗。

从长远看，这一事件暴露了长上下文AI在会话状态管理上的脆弱性，尤其当prompt caching与扩展思考机制交织时，边角case极易在真实多轮场景中爆发。bug虽已在4月10日通过v2.1.101版本修复，但它提醒整个AI编码工具领域：任何延迟优化都需更严格的渐进式测试，否则下一个看似合理的变更，可能再次让“越聊越傻”的现象重现。值得持续跟踪，现在下结论为时尚早。

Hacker News 上的激烈讨论，有人用“gaslighting”描述初期倾向否认问题的态度，也有人认可最终的透明度。

第二个变更是3月26日上线的缓存优化，本意针对闲置超过一小时的会话清除旧thinking内容，以降低恢复延迟和开销。技术实现中使用了clear_thinking机制，却因bug导致清除动作每轮对话都触发，先前累积的reasoning历史被逐步丢弃。结果是上下文连贯性受损，Claude在继续任务时容易重复思考、工具调用异常，甚至前后不一致。会话越长、涉及多工具链的场景，这个bug的影响就越显著。

月4日，Anthropic针对Claude Code进行了默认推理努力的调整，将其从high切换到medium。这一变化主要影响了Opus 4.6和Sonnet 4.6模型，核心目的是缓解高努力模式下偶尔出现的极长思考尾部，导致UI呈现冻结状态，同时降低token消耗。Anthropic内部基于evals和dogfooding数据，认为medium能在多数日常编码任务中实现略低智能但显著更优的延迟表现。

表面上看，大部分社区讨论集中在“Claude Code变笨”这一直观感受上。用户抱怨复杂任务中思考深度不足，输出显得浅显。Anthropic最初基于内部evals和dogfooding，认为medium是多数日常编码场景的最优平衡，能显著改善延迟痛点。但主流观点往往忽略了高努力模式下真实的UI冻结和token浪费问题，以及公司后续通过UI提示和effort选择器进行的迭代尝试。这些努力并未完全改变用户对默认设置的依赖习惯。

第三个变更在 4 月 16 日推出：为减少 Opus 4.7 的 verbosity，在系统提示中加入长度限制，要求工具调用间文本不超过 25 词、最终响应不超过 100 词。这一调整本为优化输出冗长，却在叠加前两个变更后，对编码任务产生可衡量的伤害。内部 ablation 测试显示，在 Opus 4.6 和 4.7 上相关 eval 分数下降约 3%，变更已在 4 月 20 日随 v2.1.116 版本回滚。

主流观点起初将问题归为正常波动或单个故障，却忽略了三个变更的分时段、分流量影响，这正是盲区所在——不同用户因使用习惯、模型版本和会话时长的差异，体验到的退化程度并不一致，导致问题看起来既广泛又不均匀。

除了缓存bug，另外两个改动也加剧了问题：3月默认reasoning effort从high降至medium，本意降低latency却让模型显得不够聪明；4月系统prompt限制verbosity，对编码质量造成可量化的影响。这些变化影响了不同流量切片，叠加后形成看似随机的质量波动。Anthropic的postmortem做得较为透明，但也显示出内部测试在捕捉这类交叉corner case上的局限性。值得持续跟踪，现在下结论为时尚早。

Hacker News 上的讨论分数居高不下，不少开发者用“gaslighting”描述公司早期的回应态度：用户提供具体案例，内部评估却倾向于“正常波动”或“建议手动调高推理努力”。主流观点把此事归为AI工具迭代的常见阵痛，有人赞赏最终的透明度，有人则指出表面“Bug修复”掩盖了更深的沟通盲区——为什么用户喊了这么久，公司才给出完整拆解？

我的观察是，核心要点24小时一元一分跑的快群_通化论坛的结论在当前环境下具有较强的现实指导意义。