什么值得买App

我的兴趣消费指南

什么值得买
连续签到专享现金活动

Claude 降智问题找到了,不是模型的问题,而是 Harness 层的多个 Bug

近期大量用户反馈 Claude Code 出现“突然变笨、健忘、重复、工具调用异常”等降智现象。起初舆论猜测是 Anthropic 因算力不足主动限制模型能力,但官方复盘显示,核心原因并非模型本身,而是围绕模型的上层应用在产品参数、上下文管理及系统提示词上连续出现三个问题。这三个问题叠加,导致了用户侧感知到的性能大幅下降。
01核心问题归因

用户感知 vs 实际成因

用户侧感知

体验表现

  • 模型出现短期记忆错乱
  • 不断重复或绕圈尝试
  • 用量消耗异常变快
  • 工具调用逻辑奇怪
技术侧成因

复盘结论

  • 产品层:默认 Reasoning Effort 策略调整
  • 上下文管理层:闲置后清理逻辑存在 Bug
  • 系统提示词层:限制输出长度导致思考压缩
02三大技术缺陷详解
  1. 默认 Reasoning Effort 调整
    针对 Opus 4.6 在 High Effort 模式下延迟高、消耗大的问题,产品层将默认值改为 Medium。虽然降低了延迟和成本,但在代码编写场景中,减少推理步骤容易导致边界条件缺失,从而引发后续错误修复的连锁反应。
  2. 上下文清理逻辑 Bug
    为了优化闲置恢复成本,设计逻辑为“闲置超1小时仅清理一次旧思考块”。但实现出现错误:一旦 Session 超过闲置阈值,后续每一轮请求都会持续清理旧的 Reasoning 历史。这导致模型丢失了“施工日志”,不知道之前的修改原因和工具调用逻辑,产生记忆错乱。
  3. 系统提示词限制过严
    4月16日,为适配 Opus 4.7,系统提示词加入严格限制:工具调用间文本≤25词,最终回复≤100词。这种强行压缩剥夺了模型通过自然语言进行中间思考和自我校准的能力,导致代码质量下降,后在4月20日撤回。
03性能与成本分析
Reasoning Effort 的调整直接影响了模型的代码生成性能。根据 Anthropic 内部自主代理编码评估数据,不同 Effort 级别下的表现存在显著差异。Opus 4.7 在 X-High 模式下性能最优,而 Medium 模式虽然节省了 Token,但性能大幅折损。
Effort Level模型版本相对性能表现
X-HighOpus 4.7最高
HighOpus 4.6较高
MediumOpus 4.6中等偏低
Low-最低

不同 Reasoning Effort 下的编码性能对比

上下文清理 Bug 不仅导致了逻辑连贯性缺失,还带来了显著的副作用。由于思考块被频繁清理,后续请求更容易发生 Cache Miss,导致系统的 Token 消耗异常加快,这也是用户反馈用量限制消耗变快的技术根源。
04修复与总结
  • 2025年04月23日
  • 2025年04月20日
  • 2025年04月16日
  • 查看全部进展
截至4月20日,所有已知问题已在 v2.1.116 版本中修复。此次事件表明,AI 产品的质量不仅取决于基座模型的能力,更取决于 Harness 层(包括产品参数、Prompt 管理、缓存策略、上下文管理)的精细调优。AI 生成的代码虽然表面规范,但逻辑层面的深层缺陷往往更难被审核发现。

评论

评论区空态插画

当前文章无评论,是时候发表评论了