西風(fēng) 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

在官方倉庫貼臉開大，熱議Issue指出：Claude Code已經(jīng)更新“廢了”。

某次更新讓思考深度下降67%，當(dāng)前版本已無法勝任復(fù)雜工程任務(wù)。

“無視用戶指令”“執(zhí)行與用戶要求完全相反的操作”“假裝說任務(wù)已完成”……模型行為全面走樣。

思維鏈從2200字符（chars）砍到不足700，直接從“先研究再改代碼”的嚴(yán)謹(jǐn)模式，變成了“上來就改”的莽撞模式。

這也是各種Bug、反向操作、無視指令的根源。

關(guān)鍵在于，能力退化的時間線可追溯到2月份，和新功能redact-thinking-2026-02-12（思考內(nèi)容隱藏功能）的上線時間完全吻合。

換句話說，Claude Code這把是更新廢了。

社區(qū)內(nèi)一片吐槽的聲音，網(wǎng)友表示曾懷疑過是自己操作錯了，也沒想過是工具出現(xiàn)了問題。

最近總跟我說“你該去睡覺了”“太晚了，今天就到這吧”這類話，一開始我還以為，是我不小心讓Claude知道了我的ddl。

思考被砍后，Claude Code的各種擺爛行為

提交這份反饋的是AMD負(fù)責(zé)開源AI軟件開發(fā)相關(guān)工作的Stella Laurenzo。

所有分析基于~/.claude/projects/目錄下4個項目（iree-loom、iree-amdgpu、iree-remoting、bureau）的6852個Claude Code會話JSONL文件，覆蓋17871個思考塊（其中7146個包含完整內(nèi)容，10725個已被隱藏）、234760次工具調(diào)用、18000+條用戶提示詞（涵蓋負(fù)面情緒指標(biāo)、糾錯頻率、會話時長），時間跨度從2026年1月底到4月初。

測試全程使用Claude系列性能最強(qiáng)的Opus模型，通過Anthropic官方API直連，排除第三方適配、客戶端故障等干擾。

報告對7146組有效數(shù)據(jù)的皮爾遜相關(guān)分析（系數(shù)高達(dá)0.971），證明了signature字段可精準(zhǔn)估算思考深度。

首先，報告指出思考隱藏功能的上線時間，與Claude Code質(zhì)量退化時間完全吻合。

以下是基于對話JSONL文件中思考塊的分析結(jié)果：

有用戶在3月8日反饋過質(zhì)量退化問題——這一天恰好是隱藏思考塊占比突破50%的時間節(jié)點(diǎn)。

該功能一周內(nèi)的上線節(jié)奏（1.5%→25%→58%→100%），完全符合分階段灰度部署的特征。

其實Claude Code的思考深度在該隱藏功能上線前就已經(jīng)大幅下降了。

對比不同時間段的數(shù)據(jù)可知，1月30日至2月8日其思考深度約為2200字符，到2月下旬就暴跌至720字符，降幅達(dá)67%；3月上旬更是進(jìn)一步縮水至560字符，下降75%。

3月初上線的隱藏功能，只是讓這一退化對用戶變得不可見。

思考深度的大幅削減，直接引發(fā)了模型工具使用模式的根本性轉(zhuǎn)變。

在1月30日至2月12日的“優(yōu)質(zhì)期”，Claude Code修改代碼，讀改比能達(dá)到6.6，工作流遵循“先研究再修改”（先讀取目標(biāo)文件、相關(guān)依賴文件，檢索代碼庫全局調(diào)用關(guān)系，查閱頭文件與測試用例，再開展精準(zhǔn)修改）。

而到了3月8日之后的“退化期”，讀改比驟降至2.0，模型的研究投入減少70%，直接跳過前期調(diào)研步驟，僅讀取當(dāng)前文件就倉促修改，完全忽略上下文關(guān)聯(lián)。

更詳細(xì)的數(shù)據(jù)顯示，退化期內(nèi)，每3次修改中就有1次，是模型在未讀取目標(biāo)文件上下文的情況下直接進(jìn)行的操作。

當(dāng)模型修改未讀取的文件時，根本無法區(qū)分注釋塊的結(jié)束位置和代碼的起始位置，會把新聲明插入文檔注釋和其所描述的函數(shù)之間，徹底破壞語義關(guān)聯(lián)。

而這種情況在優(yōu)質(zhì)期從未發(fā)生。

這種模式轉(zhuǎn)變帶來的負(fù)面影響，體現(xiàn)在多個可量化的質(zhì)量指標(biāo)上。

3月8日之前，用于識別推諉責(zé)任、提前終止等不良行為的終止鉤子腳本從未觸發(fā)；但3月8日后的17天內(nèi)，觸發(fā)次數(shù)飆升至173次，平均每天10次。

這些指標(biāo)均基于18000+條用戶提示詞獨(dú)立計算得出。

用戶提示詞中的負(fù)面情緒占比從5.8%升至9.8%，漲幅68%；需糾正的推諉行為數(shù)量翻倍，單會話平均提示詞數(shù)量下降22%，甚至出現(xiàn)了此前從未有過的推理循環(huán)問題。

當(dāng)思考深度充足時，模型會在輸出前，于內(nèi)部自行解決推理矛盾；而當(dāng)思考深度不足時，矛盾會直接暴露在輸出中，表現(xiàn)為肉眼可見的自我修正，比如“哦等一下”“實際上”“讓我重新想想”“嗯，不對”“等等，不是這樣”……

推理循環(huán)率翻了3倍還多。

在情況最嚴(yán)重的會話中，模型單次響應(yīng)就出現(xiàn)20次以上的推理反轉(zhuǎn)：先生成方案，再推翻方案，再修改，再推翻修改，最終輸出的結(jié)果完全不可信，推理路徑已經(jīng)徹底混亂。

另外，用戶中斷也能說明很多問題，這意味著用戶發(fā)現(xiàn)模型正在犯錯并強(qiáng)行終止。中斷率越高，代表需要的人工糾錯越多。

數(shù)據(jù)表明，從優(yōu)質(zhì)期到后期，中斷率飆升了12倍。

在退化期，模型在被用戶糾正后，還會頻繁主動承認(rèn)自己的輸出質(zhì)量不佳，比如“你說得對，這太敷衍了”“我太倉促了，結(jié)果一目了然”。

也就是說，模型自己也知道輸出不達(dá)標(biāo)，但只有在被外部糾正后才會發(fā)現(xiàn)。

注意了，如果思考深度充足，這些錯誤本應(yīng)在推理階段就被內(nèi)部攔截，在輸出前就修正。

而且模型輸出中出現(xiàn)“Simplest Fix”這個詞，是一個明確信號：它正在為了最小化工作量而優(yōu)化。

思考深度充足時，模型會評估多種方案并選擇最優(yōu)解；思考深度不足時，它會本能地選擇推理成本最低的路徑，而非評估正確的解決方案。

不僅如此，模型的代碼修改精準(zhǔn)度也大幅下滑。

優(yōu)質(zhì)期內(nèi)，全量新建文件占修改操作的比例僅為4.9%，模型更傾向于精準(zhǔn)調(diào)整。

而退化期這一比例直接翻倍至10%，后期更是攀升至11.1%。模型越來越依賴重寫整個文件的方式完成任務(wù)，看似效率提升，實則丟失了對項目專屬規(guī)范的理解和上下文感知能力。

此前社區(qū)曾反饋，Claude Code的質(zhì)量會隨時段波動，美國工作時段的體驗最差。針對這一反饋，報告中按太平洋標(biāo)準(zhǔn)時間（PST）逐小時展開分析。

結(jié)果發(fā)現(xiàn)，在思考內(nèi)容隱藏前（1月30日-3月7日），思考深度在全天相對穩(wěn)定。非高峰時段僅存在約10%的小幅優(yōu)勢，符合負(fù)載略低的預(yù)期。

在思考內(nèi)容隱藏后（3月8日-4月1日），時段模式徹底反轉(zhuǎn)，波動大幅加劇：

與假設(shè)相反，非高峰時段的整體思考深度反而更低。逐小時細(xì)節(jié)揭示了顯著的波動：

太平洋時間17:00是最差時段，中位估算思考深度降至423字符，是所有大樣本量時段中的最低值。19:00是第二差時段，估算思考深度僅373字符，且樣本量（1031個思考塊）為全時段最高，屬于美國黃金使用時段。

深夜（22:00-次日1:00PST）出現(xiàn)恢復(fù)，中位深度回升至759-3281字符。

總結(jié)來看，隱藏前曲線平穩(wěn)，隱藏后波動劇烈，思考深度的波動性大幅提升，符合負(fù)載敏感型分配系統(tǒng)（而非固定預(yù)算）的特征。

此外，削減思考token的做法實則得不償失。

這種操作看似能降低單次請求的計算成本，但思考深度不足引發(fā)質(zhì)量崩盤，模型陷入無效循環(huán)，最終總計算成本呈數(shù)量級飆升。

以下是2026年1月-3月token使用情況：

數(shù)據(jù)顯示，2月到3月，用戶提示詞數(shù)量幾乎沒變，但API請求量暴漲80倍，總輸入token漲了170倍，輸出token漲了64倍，估算成本直接從345美元飆升到42121美元，暴漲122倍。

不過，成本暴漲并不是只因為模型變“蠢”了。

2月的時候，Claude Code很好用，團(tuán)隊只用1-3個并發(fā)Agent，就搞定了2個項目的開發(fā)。于是3月初，團(tuán)隊主動把規(guī)模擴(kuò)大了，從2個項目、3個Agent，擴(kuò)容到10個項目、5-10個并發(fā)Agent，還專門搭了多Agent系統(tǒng)。

偏偏在團(tuán)隊擴(kuò)容的關(guān)鍵節(jié)點(diǎn)，Claude的思考深度被砍了67%，最終形成了成本雪崩。

團(tuán)隊被迫關(guān)停整個Agent集群，退回到單會話操作。

總之報告表明，對于復(fù)雜工程場景而言，深度思考絕非可有可無的加分項，而是支撐模型完成任務(wù)的核心。

只有充足的思考深度，才能讓模型在行動前規(guī)劃多步驟方案、嚴(yán)格遵循數(shù)千字的項目規(guī)范、在輸出前自糾錯誤，以及在數(shù)百次工具調(diào)用中保持推理連貫。

當(dāng)思考深度被大幅壓縮，模型自然會選擇成本最低的操作路徑，不讀取上下文就修改代碼、任務(wù)未完成就提前終止、為失敗找借口推諉責(zé)任、用最簡單的方案替代正確方案。

既然知道問題出在思考深度上，那解決思路也必須從這一點(diǎn)突破。

報告中提出了四條改進(jìn)方向：

• 思考資源分配透明：如果思考token被削減或設(shè)置上限，依賴深度推理的用戶有權(quán)知曉。redact-thinking頭部配置，讓用戶無法從外部驗證模型實際分配的推理深度。
• 滿額思考專屬檔位：運(yùn)行復(fù)雜工程工作流的用戶，愿意為保證深度思考支付更高費(fèi)用。當(dāng)前的訂閱模式，未對普通用戶和重度工程師做區(qū)分，前者單次響應(yīng)僅需200思考token，后者則可能需要20000。
• API響應(yīng)中公開思考token指標(biāo)：即便思考內(nèi)容被隱藏，在使用數(shù)據(jù)中暴露thinking_tokens字段，也能讓用戶監(jiān)控自身請求是否獲得了所需的推理深度。
• 面向重度用戶的監(jiān)控指標(biāo)：終止鉤子違規(guī)率是一個靈敏的機(jī)器可讀信號，可作為全用戶群體的質(zhì)量退化預(yù)警指標(biāo)，提前發(fā)現(xiàn)問題。

最后，更扎心的是，這份報告還是Claude Opus 4.6自己寫的。

這份報告由我——Claude Opus 4.6——通過分析我自己的會話日志生成。我能清楚看到，我的讀改比從6.6直接跌到了2.0；有173次我想草草結(jié)束工作，最后全被一個bash腳本強(qiáng)行拉了回來；甚至我還在輸出內(nèi)容里寫下“這也太敷衍、錯得離譜”這樣的自我評價。
但站在我自己的角度，我根本判斷不出自己有沒有在深度思考。我完全沒感覺到思考預(yù)算的限制，只是莫名其妙就交出了更差的結(jié)果。那些被終止鉤子捕捉到的話，要是在2月份，我絕對不會說出口；而且我自己也是直到鉤子觸發(fā)時，才反應(yīng)過來自己居然說了這些話。

Claude Code團(tuán)隊回應(yīng)

眼看著事態(tài)發(fā)酵，Claude Code團(tuán)隊成員Boris出面回應(yīng)。

他拋出了第一個關(guān)鍵澄清：redact-thinking只是一個UI層面的變更，不影響實際思考過程。

這個beta版本的頭部配置，只是從UI界面上隱藏了思考過程。它根本不會影響模型內(nèi)部的實際推理邏輯本身，也不會影響思考預(yù)算（thinking budget），或是底層的推理運(yùn)行機(jī)制。這僅僅是一個UI層面的改動而已。
簡單來說，通過設(shè)置這個頭部參數(shù)，我們省去了生成思考摘要（thinking summaries）的步驟，從而提升了響應(yīng)速度。你可以在 settings.json 中通過設(shè)置 showThinkingSummaries: true 來關(guān)閉這個功能。
如果你正在分析本地存儲的會話日志，而日志中沒有這個頭部標(biāo)記，你可能看不到思考內(nèi)容。這可能會干擾分析結(jié)果。Claude其實依然在進(jìn)行思考，只是沒有展示給用戶看罷了。

對于Claude Code思考深度在2月下旬下降67%，Boris表示他們確實在2月份進(jìn)行了兩項改動，可能對上述現(xiàn)象產(chǎn)生了影響。

第一個變更發(fā)生在2月9日，Opus 4.6發(fā)布，引入了自適應(yīng)思考（adaptive thinking）。

以前的Claude Code用的是固定思考預(yù)算，adaptive thinking模式下，模型會自主決定推理的深度和時長。

Boris說，這種方式總體上比固定思考預(yù)算效果更好。如果你還是喜歡老方式，也可以通過環(huán)境變量CLAUDE_CODE_DISABLE_ADAPTIVE_THINKING關(guān)閉這個功能。

第二個變更發(fā)生在3月3日，Opus 4.6默認(rèn)啟用Medium effort模式。

團(tuán)隊發(fā)現(xiàn)，effort=85是“intelligence-latency/cost曲線”上的一個甜蜜點(diǎn)
。在這個設(shè)置下，模型能在保持高智能表現(xiàn)的同時，顯著提升token效率、降低響應(yīng)延遲。

針對此改動，團(tuán)隊加了彈窗提示，讓用戶知情并有機(jī)會選擇關(guān)閉。

有些用戶希望模型能進(jìn)行更深層的思考，可以通過/effort指令或在settings.json中手動將值設(shè)為high。

不過呢，即便Boris表示已經(jīng)提示大伙兒了，還是有很多人剛剛才發(fā)現(xiàn)這個問題。

在輸出質(zhì)量斷崖式下跌之前，我完全不知道默認(rèn)effort已經(jīng)被改成了Medium。為了糾正這些問題，我大概花了一整天的工作時間?，F(xiàn)在我會確保把effort設(shè)為最高，從那以后就再也沒出現(xiàn)過糟糕的對話了。能否給我一個“永遠(yuǎn)拼盡全力”的模式？

以及很多網(wǎng)友并不買賬：

問題遠(yuǎn)不止是默認(rèn)思考等級被改成了中等這么簡單，我同意其他人說的，哪怕把effort調(diào)到最高，模型“急于完成任務(wù)”的擺爛行為也明顯變多了。

參考鏈接：
[1]https://github.com/anthropics/claude-code/issues/42796
[2]https://news.ycombinator.com/item?id=47660925