8月底，一条API日志把AI编程圈炸出了坑。开发者argofowl查Claude Code日志时发现，自己手动选的"high"推理档，被悄悄映射到了过去"low"档对应的数值10上。他debug了整个下午，先怀疑自己代码写错了，再怀疑Mac出了问题，最后翻API日志才抓到"凶手"。知乎
传言传得最快，但细节几乎全错
科技博主Chubby转发后AI圈炸锅，大量用户自测对比、翻旧会话逐行diff。微博流传最广的说法是：从2.1.237版本开始，系统把他手动选的"high"推理档，悄悄映射到了原本对应"low"档的数值10上，更新日志里一个字没提。知乎按这个版本的故事，Anthropic就是在偷偷降档。
Anthropic方面回应得很快。Claude Code工程师Thariq Shihipar称，团队在测试API服务配置，此次实验只是改了effort的数值映射方式，刻度本身没有实际意义，选的effort就是拿到的effort。微博
三版实测：三个细节全对不上
但回应归回应，证据才是证据。小红书用户"人间漂流"装了三个版本逐档实测：服务端把effort以一个tag塞进system prompt，他让模型逐字引用自己上下文里的相关原文，把真实数值"钓"了出来——low=10，medium=20，high=40，xhigh=120，max档干脆没有这个tag。小红书
对照传言，有三处错：其一，不是百分制，xhigh=120已经超过了100；其二，档位没有被压平，10→20→40→120单调递增，high是low的4倍；其三，卡点版本也错了，235完全没有这个tag，实验是从236开始的。
客户端同样没被动过。236和237两个版本的325MB二进制里，effort相关字符串计数完全一致，客户端里唯一的effort数字是计费系数。也就是说，这是一次服务端serving config实验，不是客户端层面的手脚。
"降智实锤"是从哪来的
辟谣之后，更大的疑问是：既然档位没被压平，网上那些"降智实锤"是怎么来的？那位实测用户又做了一个实验：直接问模型"你现在什么档位"，结果传high，模型自称Low；传xhigh，自称Medium。模型只拿到一个裸数字40，没有任何对照表，于是自己猜档位名，猜错了。用户问一句、模型答low，就成了降智实锤。小红书这是一次模型自我内省的幻觉——它不知道自己是几档，但它言之凿凿。
站得住的批评只剩一条，但这条最要命
所以这件事不是简单的反转。站得住的批评只剩一条：服务端A/B事前零公告，有人白debug了一下午自己的应用。小红书实验本身没降档，但改配置不打招呼，用户只能靠debug自己的项目反推服务端在做什么——这才是社区炸锅的根源。
而且社区炸得这么凶，是有前科的。今年3到4月，一堆人说Claude Code变笨，AMD的AI总监Stella Laurenzo把自己团队6852个Claude Code会话全翻出来分析：1月30日到2月8日，中位思考深度是2200个字符；3月以后是600个字符，跌幅73%。微博同一时期，可见思考比例从100%跌到不足1%，读与编程的比例从6.6:1掉到2.0:1——模型不再反复读清楚再动手，而是匆匆看两眼就大改。
更耐人寻味的是Anthropic自己的复盘。小红书上有用户替官方博文划了重点：Anthropic复盘后给了个反直觉结论：API和模型层没问题，锅在产品/harness层——三个独立小改动凑一起，就让人觉得"模型变笨了"。小红书默认reasoning effort从high悄悄降到medium，为的是省延迟和token；清理idle session旧思考的bug每轮都清，让Claude健忘、重复；system prompt加了输出别超25/100词，coding质量掉约3%，最后只能回滚。权重没变差，是模型外面那层壳被悄悄动了，用户体感就是"变笨"。如果默认值和prompt能像代码一样被review、被ablation、被回滚，这次零公告实验大概也不至于一点就着。
背景也不友好：Opus 5本来就不稳
风波能烧到这个量级，还有这个月的背景板。跑分上，Opus 5综合得分82.72、SWE-bench Pro 79.2%、Terminal-Bench 86.7%，成绩亮眼。微博但用户体感却是另一面——啰嗦、偷懒、爱抬杠，跑分和体感正在脱钩，这已经成了行业普遍问题。
Anthropic自己也承认。Thariq随后承认，Opus 5的表现"很不稳定"，团队正将其列为最高优先级来解决。知乎
可靠性同样在失分。8月24日这一天，Claude连着崩了三次。36氪状态页当天接连亮起三次红灯，故障从中午12点50分一路烧到下午3点36分，官方警报拉响21分钟后还挺自信地说已经定位到根因，然后就没有然后了。
往前翻，故障清单更密。8月一共24天，有13天留下了事故记录；第三方监测服务StatusGator显示，从2026年1月算到现在，Claude已经累计了184次故障记录。36氪
性能侧也有对照。有人把Opus 5和竞品跑同一个任务：Opus 5的xHigh档跑了一小时，换一家15分钟搞定——4倍差距。知乎
还在用Claude Code，你能做三件事
这场风波给付费开发者留下的教训，不是站队骂或者站队洗，而是三件马上能做的事。
第一，验证降智看客观量，别问模型本人。模型对自身配置的自述，永远不能当证据。判模型身份要看response id前缀、header指纹、token计数这些客观量，别问它"你是谁"。小红书体感变差时，先逐行diff新旧会话、对比thinking token的实际长度，再下结论。
第二，钉住版本，留回滚路径。这次实验证明，同一个客户端可能接不同的服务端配置，版本号是你为数不多的锚点。生产环境钉住能跑的版本，别急着自动更新，出问题先退回再说。
第三，留后手路由，别把调用全挂在一家。Reddit上有人实测，85%的简单请求走Haiku级别，只有不到2%才走旗舰，月费从288美元降到60美元。知乎GLM、Qwen的开源Flash版定价已经打到Opus的1/40甚至1/60，这个当口，路由灵活性本身就是利润。
最后，遇到"体感降智"，先排除自己的变量：版本更新没有、档位改没改、prompt动没动。这三样自查完还有问题，再带着客观量证据链去社区发声——argofowl这次就是这么拿到官方回应的。黑箱没法消除，但证据可以学习。
