6852次会话数据实锤!Claude Code悄悄变笨,开发者信任一夜崩塌
6852次会话、23.4万次工具调用,数据指向同一个结论:Claude Code从2026年2月起,在复杂工程任务上出现了系统性退化。AMD AI团队用硬核日志撕开了这场争议的遮羞布。1
数据实锤:思考深度暴跌67%,读改比腰斩
Stella Laurenzo是AMD人工智能部门主管,她的团队长期用Claude Code处理C语言、MLIR编译器、GPU驱动等硬核系统编程任务。2026年1月底,她开始系统记录使用日志,直到2月升级后,团队发现任务完成质量断崖下滑。4月8日,这份长达数月的审计报告被公开发布,6852份会话文件、17871个思考块、234760次工具调用,所有数据均指向同一个事实:Claude Opus 4.6变笨了,而且是可量化的、持续性的退化。1
| 指标 | 2026年1月底 | 2026年3月 | 降幅 |
|---|---|---|---|
| 平均思考深度 | 2200字符 | 560字符 | 暴跌75% |
| 每次编辑前阅读次数 | 6.6次 | 2.0次 | 降幅70% |
| 提前终止违规次数 | 0次 | 173次/17天 | 从0到173 |
| 整文件重写比例 | 4.9% | 11.1% | 翻倍127% |
核心指标的变化最为直观。1月份,Claude Code每次修改代码前平均阅读6.6个相关文件,先读目标文件、关联文件、全局检索用法,再做精准修改。到了3月底,这个数字跌至2次,降幅超过70%。与此同时,整文件重写比例从4.9%飙升至11.1%。团队专门写了一个停止钩子检测敷衍行为,3月8日后的17天内触发173次,而此前这个数字为零。它知道自己没做好,但只有被指出后才意识到——这意味着如果思考深度足够,这些错误本该在推理阶段被内部拦截。2
Anthropic承认调整默认设置,但否认"降智"定性
面对这份报告,Claude Code负责人Boris Cherny在GitHub上做出回应。他承认了两项关键变更:2月9日引入"自适应思考"机制,让模型自主决定思考深度;3月3日将默认努力等级从"高"调至"中",分值约85分。他解释这是为了在智能、延迟与成本之间找到"甜蜜点",并非削弱模型能力,用户可手动将effort调至high或max。3
这份回应未能平息争议。Laurenzo直接回怼:"我已经试过所有参数组合,包括高强度模式。质量退化严重到无法修复。"开发者社区反馈显示,即便开到最高思考模式,代码质量依旧拉胯,根本回不到以前水平。BridgeBench基准测试中,Claude Opus 4.6准确率从83.3%跌至68.3%,排名显著下滑,直接掉出第一梯队。4
深度绑定用户代价:月度API费用暴涨122倍
对于重度用户而言,这场降级的影响直接反映在账单上。Laurenzo团队测算,按AWS Bedrock按需定价口径,3月份实际推理成本约42121美元,而同月Claude Code订阅费仅400美元。122倍的差额意味着在极端重度使用场景下,订阅制收费与真实算力消耗之间存在巨大缺口。为了省算力削减思考深度,导致模型写出大量Bug;为了修复Bug,模型陷入无限重试,成本不降反升。这被开发者形容为"省油灯费油"。5
Claude Code曾是开发者圈口碑最好的AI编程工具。2025年5月发布时,它凭借Git原生命令、shell操作、200K上下文窗口和MCP协议接外部工具的能力,被视为终端AI助手中的天花板。JetBrains 2026年1月调查显示,Claude Code使用率从2025年年中的3%飙升至18%,91%用户满意度,NPS达54。信任基础正在崩塌,AMD团队已在更换订阅商,转向其他竞品。6
应对建议:三个方向供参考
- 固定模型版本:避免使用latest滚动标签,改用具体日期版本ID,防止被动跟随"优化"调整
- 强制开启深度推理:在~/.claude/settings.json中将effortLevel设为high,禁用自适应思考机制(CLAUDE_CODE_DISABLE_ADAPTIVE_THINKING=1),并将MAX_THINKING_TOKENS拉至32k以上
- 考虑备选方案:OpenAI Codex、谷歌AntiGravity、中国厂商MiniMax/Qwen/Kimi/DeepSeek等均可作为重度使用场景的备份选项,避免单一供应商绑定
截至目前,Anthropic尚未公布进一步说明,也未就质量退化给出明确的回滚承诺。信任一旦碎了,修起来比代码难得多。对于已将Claude Code深度嵌入工作流的团队而言,这轮争议敲响了警钟:AI产品的"聪明程度"正在变成一个可以悄悄调节的变量,而用户付费买的是稳定预期,不是黑箱里的小幅下调。7
当前文章无评论,是时候发表评论了