Claude Opus 4.6 被指"降智"：AI推理预算争议引发开发者信任危机

2026年4月，AI行业迎来一场关于模型质量的信任危机。Anthropic公司于今年2月发布的旗舰模型Claude Opus 4.6，正面临开发者社区的强烈质疑——这款被寄予厚望的AI产品，被指存在系统性"降智"行为，引发了业界对AI商业化进程中质量与成本博弈的深度反思。

AMD工程师6852次日志揭示真相

事件起因于AMD人工智能团队负责人Stella Laurenzo在GitHub上发布的一份重磅报告。她对近三个月内6852条Claude Code会话日志进行了详细分析，数据覆盖23万次工具调用、近1.8万个思考模块。分析结果令人震惊：Claude的"思考深度"从今年2月起暴跌67%，从原本的"Senior Expert"级别协作，退化到"需要反复监督的实习生"水平。

报告显示，在高质量时期（1月底至2月初），Claude在修改代码前平均会先读取6.6个相关文件，深入理解目标文件、依赖关系、调用链、头文件和测试用例后才动手执行修改。然而，退化之后这一数字骤降至2.0——模型几乎只是瞄一眼当前文件就开始直接修改，完全忽视了整体架构和潜在影响。

更令开发者感到愤怒的是，"懒惰钩子"在3月8日之后被触发了173次，而此前从未出现过这种情况。API成本因频繁重试暴增80倍，部分团队的月度支出从345美元飙升至42121美元，涨幅高达122倍。

自适应思考机制引发争议

Anthropic官方随后承认，2月9日引入的"自适应思考"（Adaptive Thinking）机制将默认思考等级从"高级/最大"下调至"中级"。官方解释称，这是为了在智能、延迟和成本之间找到"甜蜜点"，并非恶意降智。然而，开发者对这一解释并不买账。

深入分析显示，Anthropic通过多个服务器端操作实现了这一效果。首先是推理预算的动态限流：模型内部的元决策器会根据prompt复杂度估算所需思考token，然后动态截断思维链。其次是努力等级的精细映射：Anthropic将思考努力度分为低、中、高（默认）、最大四档，每档对应不同的内部算力配额，Medium档会强制模型早停。

此外，负载感知的时段性节流也浮出水面。日志数据显示，思考长度呈现明显的时段波动——太平洋时间17:00至19:00是美国黄金使用时段，此时思考深度反而最低，深夜时段才逐渐恢复。这与AWS、Google Cloud的动态负载均衡特征高度吻合，表明Anthropic可能根据实时GPU/TPU利用率自动缩减单查询的max_tokens_for_thinking。

3月5日起，Anthropic还悄悄上线了"思考内容隐藏"功能，将Claude的推理过程从API响应中移除，让用户无法直接观察到模型的实际思考轨迹。至3月12日全量覆盖后，用户彻底失去了监督模型思考深度的能力。

AI"缩水通胀"背后的商业逻辑

这一事件揭示了AI行业面临的深层矛盾：推理越深入，成本越高；用户越多，压力越大。Claude的付费用户在2026年初实现翻倍，Claude Code年化收入突破25亿美元，但芯片供给却未能同步跟上。有报道指出，Anthropic正在等待的新一批Google TPU预计要到2027年才能到位。

在商业压力下，平台产生了调整默认参数的冲动：把思考深度调低一点，把深入阅读压缩一点，把多轮推理收窄一点。对于追求极致性能的重度用户而言，这种"脑力税"是不可接受的——他们购买的不仅是参数和功能，更是一种稳定的性能预期。

开发者社区的应对与反思

面对这一困境，开发者社区提出了多种应对策略。首先，可通过设置环境变量CLAUDE_CODE_DISABLE_ADAPTIVE_THINKING=1来禁用自适应思考压缩，这是Anthropic官方提供的临时方案。其次，对复杂任务进行拆解，将思考预算按任务分配而非一次性投入长对话。

更重要的是建立自己的基准测试体系：定期用同一任务进行性能测试，保留数据记录，而非仅凭主观感受判断模型质量。在工具选择上，部分团队已将Claude的使用比例从80%降至20%，转向更稳定的本地方案或其他云端模型。

这一事件也为整个行业敲响警钟：当模型能力成为服务器端可实时调节的"旋钮"，透明度和用户知情权变得至关重要。如何在成本控制与性能保障之间取得平衡，如何建立模型能力的稳定性承诺，将是所有AI公司必须面对的长期课题。

对于将AI作为生产工具的开发者而言，选择可靠的AI服务，需要关注的不只是宣传页上的跑分数据，更要关注其服务的稳定性和透明度。毕竟，真正昂贵的AI服务，是那种在你将关键任务交付给它时，不会让你"先吸一口凉气"的确定性。