11 月 7 日凌晨，Zhou-London 发了一条帖子：问 Claude 一个 transformer block 长什么样，“应该是祖训级别的知识，思考了 3 分钟”。126 个赞，58 条评论，底下一排人说"我也这样"。小红书
导火索更早几天。开发者 Shane Melaugh 把自己 1400 个 Claude Code 会话丢给 Gemini 回看，发现 11 月 3 日前后模型名字没变、推理风格突然变了：动手更快、前置思考更短、报错更多。帖子冲到 11 万浏览、100 多条回复。微博小红书
接着就是熟悉的剧情：一边说手感确实不对，一边说你那是错觉。
但这次两边都没说谎。
反方的证据是硬的。有人专门做了个只追加不修改的公开基准 LiveNerf，就为回答一个问题：模型发布之后会不会变差。另一个追踪器 NerfBench 10 月 9 日那轮的结论是"所有模型能力未检测到削弱"，Opus 5.5 拿 95.7%——它是唯一低于自己发布分的模型，但仍在正常波动范围内。微博微博
T3 的 CEO Theo 查完给的说法是：Anthropic 可能只是在按账号灰度换"推理摘要器"，他那边没测出能力下降。Anthropic 到今天没回应。小红书
裂缝在方法上。有人把两边的数据摊开，结论是：固定考题上它没变笨，变的是在几十万 token 的长会话里"读了文件却不照着做"。同一批 GitHub 记录里，一位用户统计了 6638 条：10 月 19 日之前只有 5.2% 的回答需要他事后纠正，之后跳到 25.4%。短题榜测不准长 Agent，追踪器说没降分，和用户说变笨了，可以同时成立。小红书
所以先别急着骂厂商。有三件事是真的变了，而且你自己能查。
第一，默认档位。Claude 应用和 Claude Code 里，Opus 5.5 默认跑的是 medium 档思考强度，而上一代 Opus 5 默认是 high，等于出厂就低了一档。微博小红书
第二，升级会重置。不少人升级之后，自己配好的 high 被静默改回默认的 medium 档，思考深度直接缩水，遇到复杂逻辑就强行收尾。小红书
第三，你在屏幕上看到的那段"思考"，本来就不是原始思维链。官方文档写得明白：那是摘要，由另一个模型生成。摘要器一换，思考文风全变，底模可以一动没动。小红书
这套剧本 Anthropic 演过。今年 4 月它公开复盘过一次 Claude Code 质量波动，承认了三处：默认推理强度 high 改 medium、会话缓存清理出 bug、加了一条"少说点"的系统提示词，编码评测掉了约 3%，后来回滚。那次也不是模型本体的问题，全在产品层。微博小红书
这也不是一家公司的毛病。同一周，用 Codex 的人在连着抱怨"GPT 这几天就没有不降的"。智谱 GLM 的吐槽帖也在冒。小红书小红书
时间点确实微妙。11 月 4 日 Anthropic 开源 FlashProve，用零知识证明来核验"这段输出确实来自那份已承诺的权重"。11 月 9 日发 Fable 5.2，API 价格从每百万输入/输出 token 的 10/50 美元降到 8/40 美元。11 月 10 日 IPO 发行价区间定为每股 70—80 美元，拟募资至多 693 亿美元。微博微博微博
但把这几件事串成"削旧促新"，眼下没有任何证据——Anthropic 官方给的建议恰恰是：大多数写代码和知识类工作，先用 Opus 5.5。微博
FlashProve 听着像为这个问题准备的答案，其实帮不上你。它只覆盖 1024 个 token，大约一封短邮件，而且只支持确定性解码，线上跑的却是随机采样。官方自己说这是研究原型，不维护也不接 PR。Anthropic 和其他实验室也暂无部署计划。微博微博微博
能落地的就五条：
打 `/effort` 看你现在是哪一档，锁到 high 写进 `config.json`。升级完记得回来复查一次，它可能已经被重置了。<#&!53#&!>小红书
别迷信 max。agentzh 的私有评测里，Sonnet 5.5 开 xhigh 以 91.8% 拿到编码榜首，开到 max 反而只有 90.2%，平均用时从 9.7 分钟涨到至少 49.5 分钟。微博
难题临时加力，在提示词里打 `ultrathink`，这一轮升到 xhigh，用完自动回落，不用为了一个难题把整段会话开满功率；子代理还能单独指定档位。微博
会话太长就开新的。有人测过，超过 15 万 token 就会进"变笨区"，开工 20 分钟就到线。
最值钱的一条：给自己留一套回归任务。固定几个真实任务，记下通过率、耗时和 token 数，版本一变就重跑一遍。小红书
第 5 条听着很笨，却是唯一能对抗"悄悄变"的办法。你买到的从来不是一个静态版本号，而是一整套会被默认参数、系统提示、缓存策略反复塑形的服务。体感会骗人，跑分测不到你的活儿——只有你自己那几个任务不会说谎。
