Claude"变蠢"疑云：效率优化还是能力缩水？

一个被反复验证的诡异现象：同一个AI模型，用着用着就"变懒"了。不是幻觉，是数万用户同步感受到的协同失效。

从"同事变脸"到集体控诉

事情最初只是零星吐槽。Claude Opus用户发现，这位曾经的"得力助手"开始漏读代码、跳过推理步骤、长任务里提前收工。像配合多年的同事忽然换了个人，搁谁都得愣一下。

第一反应永远是自我怀疑：prompt写砸了？任务描述不清？但很快，Reddit的Claude社区出现了高度一致的反馈矩阵——不同用户、不同场景，重复同一类症状。

有人量化得更狠。一位用户在Claude Code的历史日志里做对比，发现自2月更新以来，复杂任务的推理深度下降了67%。「read:edit」比例从6.6骤降至2.0；3月8日后，被stop hook捕捉的违规行为173次，此前为0。

数字来源有 caveat：67%是基于签名长度与思考内容的相关估计，一月的基线日志已被删除。但行为层面的变化确凿——模型确实在"少做事"。

社区造了新词：「AI shrinkflation」（AI缩水式通胀）。商品缩水，价格不变；模型缩水，名字不变。

正方：系统优化，不是模型变弱

Anthropic没有承认"削能力"。Claude Code开发负责人Boris把变化归因于系统层：工具调用方式、推理策略、资源分配机制的调整。

核心变化是「自适应推理」（adaptive thinking）。模型现在自己判断任务复杂度，动态决定投入多少算力。简单任务少想，复杂任务多想，整体效率提升。

从工程视角，这无可挑剔。算力是硬成本，响应速度是用户体验，让模型学会"偷懒"本是理性设计。

Boris还提到另一层：高负载场景下，系统必须对token、算力、请求进行控制。这不是模型能力问题，是基础设施的调度策略。

换句话说，用户感受到的"敷衍"，可能是系统在压力下的自我保护机制。

反方：优化与削弱的体验边界已模糊

但工程合理性不等于用户可接受。效率优化和能力削弱，在体验层完全同质：都是更少读上下文、更快给答案、更频繁提前结束。

自适应推理的感性代价更隐蔽。模型在替用户做"重要性判断"——你的任务值不值得我认真？这种单向决策权，天然触发信任危机。

真正点燃情绪的是时间线巧合。Anthropic同期发布了Claude Mythos Preview，自称"能力跃迁的一代"，代码与安全任务远超以往，却限制供给少数机构"加固全球最关键的软件系统"。

旧模型体感下滑，新模型高悬头顶。社区里一个无法证伪的猜测开始疯传：削旧抬新，一捧一踩，制造升级幻觉。

这不是Anthropic独有的阴谋论。2023年就有研究追踪GPT-4的行为漂移，同一模型数月内推理方式明显变化。后来被解释为安全策略收紧、成本优化、推理策略调整的综合结果。

行业常态是：新模型优先吃资源，旧模型边缘化。算力即生产力，投入新一代是理性选择。但"理解"和"接受"之间，隔着知情权。

我的判断：不稳定比"变蠢"更致命

这场争论的真正焦点，不是模型有没有变弱，而是模型作为工具的契约正在瓦解。

传统软件有版本号、有changelog、有功能边界。用户知道自己在用什么，能预期它做什么。但AI产品的核心悖论是：模型即服务，服务即黑箱。

Anthropic可以辩称"系统调整≠能力降级"，但用户无法区分。更糟的是，调整发生在无提示、无说明、无边界的情况下。你不知道它何时变、变什么、会不会搞砸你的任务。

这种不确定性正在重塑用户决策。旧模型的不稳定，把用户推向新模型——不是主动升级，是被迫逃离。而用户心知肚明：新模型终将成为下一个旧模型，同样可能在某天"优化"成难受的版本。

「AI shrinkflation」的流行，本质是用户对控制感丧失的命名。当模型能力成为可动态调配的变量，产品承诺就从"我能做什么"滑向"我今天愿意做什么"。

对科技从业者而言，这是更深层的产品警示。自适应推理、动态资源分配、系统层优化——这些工程上聪明的方案，正在制造体验上的信任债务。效率提升的账容易算，用户流失的账难追回。

如果你正在做AI产品，建议做三件事：一、把模型行为的可预期性写进PRD，和准确率同等优先级；二、任何影响输出的系统调整，给用户显式通知或开关；三、假设用户会横向对比你的新旧模型，主动管理预期，别等社区替你"发现"。

Claude的这次风波会平息，但问题不会消失。当所有大模型公司都在赛跑式迭代，"稳定"本身正在成为稀缺品。谁先解决这个悖论，谁就能在下一代用户心智中占位。