Claude Code 默认推理努力从 high 降到 medium 的前因后果：Anthropic 的一次“错误权衡”与回滚

我们会结合实际操作，谈谈这些数字意味着什么。

GitHub Copilot在企业生态集成上保持领先，autocomplete速度快、兼容性广，适合大团队合规场景，许多Fortune 100公司仍将其作为日常轻量补全的标配。但2026年社区反馈显示，其准确率和上下文感知有下滑趋势，幻觉依赖建议增多，VS集成偶发崩溃或线程丢失，大项目agent模式下易卡。纯编码智能层面，它已难以在顶级复杂任务中保持优势，更多时候扮演“安全但非最优”的角色。

短期内，Anthropic 已于 4 月 20 日完成回滚并为订阅用户重置限额，社区讨论也逐渐从抱怨转向技术复盘。但类似信任波动可能还会周期性出现，尤其当用户对“黑箱”变更保持敏感时。长期来看，这一事件有望推动整个 AI 行业更重视产品可靠性工程，包括更严格的 prompt auditing、渐进式 rollout、内部 dogfooding 以及针对 harness 的增强 evals 和代码审查机制。

3月26日的缓存优化变更本意是清理闲置超过一小时会话的旧思考记录，以降低延迟和 token 消耗，却因 bug 导致每轮交互都清除推理历史，使模型表现得异常健忘，重复决策加速了额度消耗。

大多数开发者最初接触到的是社区层面的表面反馈。在Hacker News、Reddit和X平台上，大量帖子描述Claude Code在复杂多文件任务中智能明显下滑，上下文遗忘严重，原本一次能搞定的重构现在需要多次迭代。主流猜测指向底层模型退化或Anthropic暗中降配以控制成本。

这三个看似各自针对延迟、成本和输出长度的优化，在不同用户群和时段逐步叠加，制造出“煮青蛙”式的质量不稳体验。有些会话主要受 reasoning effort 影响，有些则被缓存 bug 主导，而 verbosity 限制进一步压缩了复杂代码所需的推理空间。类似过去大厂 silent change 引发的用户反弹，这次也提醒行业，产品层调整若缺乏足够透明的渐进 rollout，容易积累成可见问题。

从短期来看，2026年上半年更多AI编码工具厂商大概率会强化ablation testing、引入soak periods以及渐进式rollout流程，用户反馈通道如@ClaudeDevs或集中化的讨论线程也将更加常态化。内部dogfooding实践预计会更贴近真实用户环境，而不是隔离的测试构建。这些调整虽无法一夜消除所有风险，却能显著降低隐形退化的发生概率。

事件暴露了大模型编码工具迭代中，单个优化看似合理，却可能在 harness 层面制造出广泛却不一致的体验问题。

表面上看，大部分媒体和用户评论将问题指向“Anthropic偷偷nerf模型”或“为控制成本牺牲智能”，Hacker News上不少帖子列举了具体案例，如长会话后逻辑重复或额度异常消耗。但主流观点存在明显盲区：许多人直接归因于模型本身，却忽略了Claude Code、Agent SDK和Cowork这些产品harness层面的具体调整。把工程失误简单等同于“降智”，其实错过了更深层的机制问题。

月4日，Anthropic针对Claude Code进行了默认推理努力的调整，将其从high切换到medium。这一变化主要影响了Opus 4.6和Sonnet 4.6模型，核心目的是缓解高努力模式下偶尔出现的极长思考尾部，导致UI呈现冻结状态，同时降低token消耗。Anthropic内部基于evals和dogfooding数据，认为medium能在多数日常编码任务中实现略低智能但显著更优的延迟表现。

反之，若Anthropic切实落实承诺——包括加强@ClaudeDevs账号分享决策、在GitHub集中更新、增加公共构建比例等——或许能成为正面标杆。这一点目前行业内仍有不同声音，值得持续跟踪，现在下结论为时尚早。

搜索引擎对作弊行为的打击从未放松，框架梳理相关站点需格外谨慎。