圖解Claude越用越笨：省錢的代價，是API帳單漲了100倍

幾天前，AMD AI 團隊負責人 Stella Laurenzo 在 Claude Code 官方存儲庫發布了一份標題為「Claude Code 對複雜工程任務已無法使用」的問題報告。這不是一條用戶情緒化的投訴，而是一份基於 6,800 個會話的定量分析。它把 AI 圈最不願面對的問題擺上了桌面，其中有一組數字尤其刺眼：Anthropic 為省算力做的配置調整，把這個團隊的 API 月度帳單從 345 美元燒到了 42,121 美元。

Laurenzo 的團隊追踪了 235,000 次工具調用、18,000 條提示詞，記錄了 Claude Code 從 2026 年 2 月起出現的系統性能力退化。這份報告隨後被 The Register 報導，在開發者社區引發了持續兩周的輿論風暴。

Anthropic Claude Code 團隊負責人 Boris Cherny 在 Hacker News 作出了說明。2 月 9 日隨 Opus 4.6 發布時，默認啟用了由模型自主決定思考時長的「自適應思考」機制。3 月 3 日，Anthropic 又把默認思考強度（effort）調低至 85。官方的解釋是「在智能、延遲與成本之間的最佳平衡點」。這兩次調整的實際效果，數據說得很清楚。

思考深度，跌了四分之三

據 Stella Laurenzo 的 GitHub Issue 數據，Claude Code 的平均思考深度在兩個月內經歷了三段式崩塌：1 月底優質期的 2,200 字元，到 2 月底跌至 720 字元，跌幅 67%。3 月進一步萎縮至 560 字元，較峰值跌去 75%。

思考深度在這裡是個代理指標，反映模型在給出答案前願意投入多少「內部推演」。2,200 字元和 560 字元的差距，大致等同於從「寫完草稿再作答」退化為「腦子裡想兩秒就開口」。

Laurenzo 還指出，3 月初上線的「思考內容隱藏」功能（redact-thinking-2026-02-12）恰好在這段時間遮蔽了模型思考過程，讓用戶無法直觀感知縮水。Boris Cherny 堅持這只是界面改動，不影響底層推理。兩種說法在技術上都成立，但從用戶側來看，效果上沒有區別。

Boris Cherny 後來也承認，即使手動將 effort 設回最高，自適應思考機制仍可能在某些輪次分配推理不足，並可能產生幻覺內容。「恢復最高 effort」並不是一個完整的解法，它只是把旋鈕拨回了靠近原來的位置，而不是恢復到原有的確定性。

從「研究型程式設計師」到「盲改型程式設計師」

Stella Laurenzo 的報告裡有個細節比思考深度更直白：改代碼前，模型會主動讀多少個相關檔案。

據 GitHub Issue 數據，優質期的平均讀改比是 6.6，改動一處代碼前，模型平均會先讀 6.6 個檔案，了解上下文。退化期這個數字跌到 2.0，降幅 70%。更嚴重的是，約三分之一的代碼修改發生在模型未讀取目標檔案的情況下，直接下手。

Laurenzo 講之為「盲改」（blind edits）。工程上，這相當於一個程式設計師在不看函數簽名、不知道變數類型的情況下就開始寫代碼。「我團隊的每一位高級工程師都有類似的親身遭遇。」她在報告中寫道，「Claude 現在不能被信賴去執行複雜的工程任務。」

讀改比從 6.6 到 2.0，表面是一個行為指標的變化，底層是任務成功率的塌陷。現代代碼庫的複雜度決定了，任何修改都牽涉多個檔案之間的依賴關係。跳過上下文探索直接修改，產生的錯誤不是「答錯了」，而是「看起來對，但會在下游觸發新的錯誤。這類錯誤的排查成本，遠高於一次失敗的明確回答。

「省錢」這件事，算反了

這是整個事件裡最反直覺的一組數字，來自同一份 GitHub Issue 數據：Stella Laurenzo 團隊的 Claude Code API 月度調用成本，從 2026 年 2 月的 345 美元，到 3 月飆升至 42,121 美元，漲幅 122 倍。

Anthropic 調低 effort 的邏輯是減少單次調用的 token 消耗，從而降低成本。但結果相反。原因在於模型退化後出現了大量「推理循環」（Reasoning Loops），在單次回覆中反覆自我否定，不斷重來，用掉的 token 遠超節省的量。據 Stella Laurenzo 的數據，同期用戶主動中斷任務的比率飆升了 12 倍，開發者需要不停介入、糾錯、重新提交。

背後的邏輯是一個系統性錯誤。在複雜任務上減算力，並不會簡單地等比降低成本。一旦低於某個思考閾值，模型開始走彎路，總成本反而放大。調低 effort 在簡單查詢上省了錢，在程式工程任務上，它把帳單炸了。

「降智」這事，GPT-4 三年前演過一遍

2023 年 7 月，斯坦福大學與加州大學伯克利分校的研究團隊在 arXiv 發表論文《How is ChatGPT's behavior changing over time?》，記錄了同一件事在 GPT-4 上的發生過程。

据該研究數據，2023 年 3 月的 GPT-4，生成的程式碼中超過 50% 可以直接運行。到 6 月，這個比例跌至 10%，跌幅約 80%，時間跨度三個月。同期，素數識別準確率從 97.6% 跌至 2.4%。OpenAI 的回應和 Anthropic 高度相似：後臺有過優化調整，屬於正常迭代。

兩個故事的結構幾乎一致，一家 AI 公司在後臺悄悄調整了影響模型能力的參數，用戶察覺到了，公司承認有過調整，但把原因解釋為「更合理的資源分配」。GPT-4 的退化發生在 2023 年，Claude 的退化發生在 2026 年，兩者相隔三年，劇本一樣。

這不是某家公司的特殊失誤。AI 訂閱模式的經濟邏輯決定了，當推理成本高於定價可以覆蓋的範圍時，廠商面臨的壓力是一樣的。調低默認思考強度，是目前成本和性能之間最容易拨動的那根旋鈕。用戶感知到的是模型「變笨了」。廠商帳面上節省的，是每次調用的邊際 token 成本。

Boris Cherny 給出了技術性解法，用戶可以通過 /effort high 指令或修改配置文件，手動把思考強度恢復至最高級別。這個解法在技術上可行，但它同時意味著，「最高性能」已經不再是默認設定。

345 美元到 42,121 美元，花掉的不只是預算，還有一個假設：廠商做的默認配置變更，是為了讓用戶的使用效果更好。