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

优化时需要更精准地切中痛点和解决方案。

从影响预判来看，短期内若开发者继续未加审查地直接采用此类生成代码，生产环境可能快速积累隐蔽漏洞，进而引发合规审计问题或实际攻击利用。长期而言，整个 AI 辅助开发行业或需加速建立“生成+强制审查”的新流程。如果 Anthropic 等厂商能持续优化内部 eval 机制和 rollout 流程，这类风险有望得到控制；否则，企业级项目可能会更倾向于混合人工与多模型验证模式。

表面上看，Hacker News、Reddit和知乎等平台充斥着类似吐槽：Claude Code越聊越“失忆”，同一个工具反复调用，之前选择的修改路径记不住，导致决策漂移。主流观点倾向于认为这是模型降智或用户侧问题，但这些反馈其实只捕捉到了症状，没能第一时间指向具体工程变更。数据支持这个方向，但样本量和复现难度让早期判断存在不确定性。

这件事比表面“修复了就好”复杂得多。它暴露了AI编码工具质量保障的系统性脆弱：即使模型本身稳定，围绕它的harness层一个小调整，也可能让开发者在生产环境中感到明显退化。

大多数开发者最初感受到的只是表面现象。在Hacker News、Reddit和Twitter上，大量反馈指向Claude Code智能下降、上下文遗忘严重、原本一小时能搞定的任务现在耗费翻倍。主流观点倾向于猜测底层模型退化，或者Anthropic为了控制成本偷偷降配。这些讨论不乏情绪，但忽略了一个关键盲区：核心API和推理层并未受影响，真正出问题的，是Claude Code的harness工具层和相关集成组件。

对开发者而言，这次事件强化了一个判断：选型AI编码工具时，不能只看宣传的生成速度或基准分数，而应优先考察公开的工程决策披露、内部测试实践和第三方评估报告。构建个人代码审查习惯依然不可或缺，无论harness如何进化，最终落地的代码质量仍需人类把关。值得持续观察的是，2026年自适应质量控制系统能否真正让AI成为可靠的生产力伙伴，而非时常需要额外校验的黑盒。

从短期看，重置相当于给所有Plus、Pro、Business和Enterprise订阅者额外几天到一周的“免费”额度，具体取决于个人用量习惯。这能快速缓解项目卡住的焦虑，让团队安心追赶关键任务，尤其对用量中等的开发者而言，修复后的工具体验已明显回升。但长期来看，如果类似事件反复出现，订阅价值感的提升可能被信任成本的累积所抵消。

Hacker News 上的激烈讨论，有人用“gaslighting”描述初期倾向否认问题的态度，也有人认可最终的透明度。

这一点目前行业内仍有不同声音。修复后的Claude Code是否能长期稳住“顶级推理”定位，值得持续跟踪，现在下结论为时尚早。

月4日的reasoning effort默认值下调，从high降至medium，本意是缓解高effort模式下偶发的长思考延迟和UI冻结问题。这一调整对Opus 4.6和Sonnet 4.6的影响更为显著，用户反馈思考深度不足、任务中途崩溃的比例上升。而随后发布的Opus 4.7默认设为xhigh，相对缓冲了部分冲击。4月7日Anthropic听取反馈后回滚，这一过程显示，即使是针对延迟的优化，也可能在不同版本间放大感知差异。

缓存bug尤其致命，它让原本连贯的agentic工作流碎片化，每一次交互都像编译器强制清缓存，从头分析依赖。开发者本计划用Claude Code推进backlog，却发现一个月下来限额消耗远超预期，项目进度反而被拖累。这也解释了为什么单纯对比模型版本难以复现问题——根源在工程层面的trade-off判断，而非模型能力本身。

我的判断是——但这个判断可能需要修正——那些能把短期试错转化为长期能力的团队，会走得更远。