全网骂Claude变笨，Anthropic下场揭秘：坑你的不是模型

换更大的全网模型就等于更聪明？这可能是Claude Code用户最深的误区。

【导读】 许多开发者为了提升AI表现，变笨A不模一路升级至最昂贵的下场型Fable模型，却收效甚微。揭秘近日，全网Anthropic官方发布长文澄清了这一认知偏差：决定AI表现的变笨A不模关键，往往不在于模型本身，下场型而在于“努力度（Effort）”的揭秘设置。

你是全网否也有过这样的经历：Claude Code写代码频频出错，第一反应是变笨A不模“换个更强的模型”？

但现实往往残酷：这一策略不仅无效，甚至是下场型在浪费预算。

Anthropic官方近日发布深度解析，揭秘指出问题的全网核心在于用户混淆了模型选择（Model）与努力度（Effort）这两个关键概念。

一、变笨A不模 误会引发的下场型“变笨”风波

起因是大量用户将Claude Code中的两个选项混为一谈：
1. Model（模型）：决定AI的知识上限与推理能力。
2. Effort（努力度）：决定AI在执行任务时的投入程度与步骤深度。

过去，大众普遍认为：换大模型=变聪明；调高Effort=多思考几秒。

今年3月，这一误区引发了社区震荡。许多开发者发现Claude Code突然“降智”：该读的文件不读、该跑的测试跳过、任务中途停滞并反向索要更多信息。

GitHub上怨声载道，AMD AI负责人Stella Laurenzo更是通过实测6852个会话日志，指出Claude的思考量较2月下降67%，直言：“Claude已无法信任用于复杂工程任务。”

真相是：并非模型能力退化，而是Anthropic在3月4日为降低延迟，将Effort默认档位从high降至medium。由于官方更新日志未被广泛注意，用户误以为模型“变蠢”。

直到4月7日，Anthropic将默认档位恢复，并为订阅用户重置用量额度，用户才意识到：这个开关一直就在手边，它暗中决定了AI是否愿意“满血”工作。

二、 核心逻辑：Model换脑子，Effort换态度

Anthropic官方将两者的区别总结为：Model决定“会不会”，Effort决定“肯不肯”。

1. Model：冻结的权重（脑子）

• 本质：模型背后是一套训练结束后即被“冻结”的权重。
• 局限：推理时的提示词、CLAUDE.md或上下文代码，只能引导模型，无法改变其权重（即无法实时“训练”）。
• 后果：换模型本质是更换一套权重体系来解决“会不会”的问题。若模型训练数据中未包含某库，即便喂入文档，它也可能因权重限制而一本正经地胡说八道（幻觉），因为它并未真正“记住”新知识。

2. Effort：行为信号（态度）

• 误区：高Effort不等于“多想几秒”。
• 实质：它控制AI在本次任务中的工作量投入。
• 低Effort：倾向于快速回复，跳过文件读取，不跑测试，遇到多步骤任务时中途停止并询问用户。
• 高Effort：倾向于自主翻阅信息、多次调用工具、执行完整验证链，直到任务闭环。
• 数据佐证：官方示意图显示，同一条Prompt，高Effort生成的Token量约为低Effort的7倍。多出的Token全部消耗在文件读取、代码验证和反复确认上。

反直觉结论：小模型开高Effort，完全可能击败大模型开低Effort。

三、 决策框架：是“不会”还是“不努力”？

面对AI出错，Anthropic提供了一套标准判断流程：

1. 第一步：检查上下文
2. Prompt是否清晰？工具是否授权？CLAUDE.md是否配置？

3. 大多数“AI变笨”的根源在于上下文缺失，而非模型问题。

4. 第二步：判断性质

5. 情形A：不够努力（Effort问题）
6. 表现：跳过文件、未跑测试、中途打断询问。
7. 对策：调高Effort档位。AI缺的是投入，而非智力。
8. 情形B：真的不会（Model问题）
9. 表现：上下文充足、已尽力尝试，但结果仍错，换说法重试依然错误。
10. 对策：更换更强模型。此时加Effort无效，需提升模型上限。

模型角色比喻

• Sonnet：全能型选手。有充足时间（高Effort）时，能从头到尾阅读代码、反复验证，彻底吃透任务。
• Opus：限时专家。拥有罕见经验与直觉，但时间紧迫（低Effort）时，只能扫视关键部分，无法覆盖所有细节。
• Fable：专科专家。仅在所有人卡住时启用，能在极短时间内揪出深层Bug，但成本极高。

关键洞察：在多数常规任务中，Sonnet（高Effort）的表现往往优于Opus（低Effort）。小模型配合充足上下文与高投入，能解决远超预期的问题。

注：在超长任务、多步骤复杂流程中，Fable的优势才真正拉开差距，部分任务即使Opus/Sonnet拉满Effort也无法胜任。

四、 趋势：从“卷模型”到“卷调度”

这篇解读揭示了一个行业转向：AI编程的竞争焦点，正从“谁的模型更强”转向“谁更会调度智能体”。

过去，用户只需挑选最强模型；现在，用户需扮演“项目经理”角色：
* 简单改动：Sonnet + 低Effort（秒回、省钱）。
* 大型重构：强模型 + 高Effort（深度处理）。
* 复杂智能体任务：Fable + Ultracode（自主拆解、并行执行）。

Claude Code新增的ultracode档位，正是这一理念的体现：赋予模型xhigh火力，并授权其自主拉起智能体队伍，拆分并行任务。

结语

3月的“变笨”风波，暴露了用户仍停留在“唯模型论”的老思路中，忽视了Effort这一关键杠杆。

只看模型排行的时代正在过去，调度模型的能力正在成为核心手艺。

学会给AI“派活”，才能让昂贵的模型真正为你卖力。否则，你手中的顶级模型，不过是一个更贵的搜索框。只有让每一分Token都花在刀刃上，才是AI编程的正确打开方式。

参考资料：
* https://claude.com/blog/claude-model-and-effort-level-in-claude-code
* https://x.com/ClaudeDevs/status/2074900291062034618?s=20
* https://platform.claude.com/docs/en/managed-agents/multi-agent

编辑：元宇
来源：微信公众号“新智元”，作者：ASI启示录，36氪经授权发布。

(责任编辑：探索)