頻繁降智的AI產(chǎn)品們，就是新時(shí)代最離譜的盲盒

作者 ｜ 周一笑
郵箱 ｜ zhouyixiao@pingwest.com

最近，打開 X 或者任何一個(gè)開發(fā)者社區(qū)，你都會(huì)看到類似的聲音：“Opus 已經(jīng)被徹底變成了植物人。”、“同樣的 prompt，兩周前還完美，現(xiàn)在輸出直接砍半。”、“最諷刺的是按時(shí)段分配智商。下午五點(diǎn)是重災(zāi)區(qū)，深夜反而好用得多。”

用戶們?cè)谕瑫r(shí)抱怨同一件事，還有人制作了各種meme來形容這種體驗(yàn)。

吐槽之外，一個(gè)更深的焦慮正在蔓延。當(dāng)你覺得 AI 變差了，你甚至很難判斷，到底是模型本身變了，還是你看不見的某一層變了，還是你自己的使用方式變了。

1

“降智“從體感變成了事件

Claude是這輪風(fēng)暴的中心。

4月初，AMD AI部門高級(jí)總監(jiān)Stella Laurenzo在GitHub上提交了一份基于近7000個(gè)Claude Code session的量化分析。結(jié)論是模型在編輯文件前的閱讀次數(shù)從6.6次降到了2.0次，三分之一的代碼修改是“盲改”。

Laurenzo隨后表示，AMD團(tuán)隊(duì)已經(jīng)切換到了另一家供應(yīng)商，因?yàn)閷?duì)方“工作質(zhì)量更好”，具體是哪家因NDA無(wú)法透露。Anthropic方面則回應(yīng)稱，Opus 4.6在2月切換到了adaptive thinking，3月又將默認(rèn)effort降到了medium，但否認(rèn)模型本身被降級(jí)。而根據(jù)Claude Code的產(chǎn)品更新日志，4月7日默認(rèn)effort已被調(diào)回high。

AMD的分析引爆了社區(qū)情緒，但類似的觀察早已遍地都是。

有交易員據(jù)稱用同一套1200行交易策略文檔做了對(duì)比測(cè)試。“降智”前的Opus能完整執(zhí)行所有規(guī)則，覆蓋完整的場(chǎng)景分支和決策樹。“降智”后，同樣的數(shù)據(jù)和指令，Opus跳過了兩個(gè)完整的策略清單，場(chǎng)景分支幾乎消失，輸出縮了將近一半。更意外的是，他用更便宜的Sonnet跑同一套測(cè)試，規(guī)則覆蓋率反而到了85%，高于Opus的70%。

他的判斷是“Opus沒有丟失知識(shí)，它丟失的是深度。就像給一個(gè)國(guó)際象棋大師每步只留30秒，他不會(huì)忘記怎么下棋，但會(huì)放棄計(jì)算更深的線路。”

與此同時(shí)，F(xiàn)ortune報(bào)道引述OpenAI內(nèi)部備忘錄的說法，稱Anthropic在算力規(guī)劃上犯了“戰(zhàn)略失誤”。Anthropic最近也發(fā)布了下一代模型Opus 4.7。社區(qū)里很多人把這兩條消息和“降智”聯(lián)系在一起，認(rèn)為這是在為新模型發(fā)布騰出算力和制造對(duì)比。

1

“降智”可能同時(shí)發(fā)生在好幾層

Claude是這一輪最顯眼的主角，但如果拉遠(yuǎn)看，“AI變笨”的原因遠(yuǎn)不止一種。至少有四層問題在同時(shí)發(fā)生。

模型沒換，但“思考預(yù)算”變了。 這是Claude爭(zhēng)議的核心。同一個(gè)模型名，背后可能對(duì)應(yīng)完全不同的effort檔位、adaptive thinking策略和thinking展示規(guī)則。Anthropic文檔寫明，Claude 4系列現(xiàn)在默認(rèn)返回summarized thinking，某些情況下甚至直接omitted，但計(jì)費(fèi)仍然按完整thinking tokens走。你看到的推理過程，和模型實(shí)際消耗的推理資源，已經(jīng)不是同一個(gè)東西。跑分測(cè)的是模型在特定配置下的能力上限，用戶每天碰到的，是一個(gè)會(huì)動(dòng)態(tài)調(diào)整預(yù)算和服務(wù)路徑的產(chǎn)品。

你看到的是產(chǎn)品名，平臺(tái)控制的是真實(shí)路徑。 OpenAI官方幫助文檔明確寫著：GPT-5.4 Thinking在觸發(fā)rate limit后，會(huì)自動(dòng)fallback到GPT-5.4 mini，而mini不會(huì)出現(xiàn)在模型選擇器里。GPT-5.1退役后，使用舊模型的歷史對(duì)話會(huì)自動(dòng)續(xù)接到當(dāng)前版本。Anthropic從3月底開始在高峰時(shí)段調(diào)整session限制，部分重度Pro用戶因此比以前更容易觸發(fā)額度上限。今天的AI不是沒有版本號(hào)，而是版本號(hào)只對(duì)平臺(tái)可見。

以上說的還只是原廠服務(wù)本身的變化。更麻煩的情況是，你連自己是不是在用原廠服務(wù)都未必能確認(rèn)。

這一層對(duì)中國(guó)用戶尤其切身。因?yàn)榈乩硐拗坪椭Ц侗趬荆罅块_發(fā)者和研究者通過API中轉(zhuǎn)站使用海外模型。今年3月，德國(guó)CISPA亥姆霍茲信息安全中心發(fā)布了一項(xiàng)審計(jì)研究，發(fā)現(xiàn)在其調(diào)查的17家中轉(zhuǎn)站中，近半數(shù)存在模型替換行為，性能偏差最高達(dá)47%。你付的是Claude的錢，跑的可能是參數(shù)量小得多的開源模型。當(dāng)你覺得AI變差了，連“是不是同一個(gè)模型在回答你”都未必成立。

有些“降智”，可能是別的問題被算到了模型頭上。 長(zhǎng)上下文導(dǎo)致的質(zhì)量退化、agent框架和工具鏈的變化、用戶自身workflow的調(diào)整，都可能制造“模型變笨了”的體感。有開發(fā)者直接指出：“覺得Opus降智的人，大部分是把Agent框架的問題歸咎到模型上了。Anthropic在做動(dòng)態(tài)算力分配，簡(jiǎn)單問題少轉(zhuǎn)幾圈，難題多轉(zhuǎn)幾圈。不是模型變差了，是你為每次對(duì)話付的算力變少了。”這個(gè)判斷未必完全公允，但它指向了一個(gè)真實(shí)的困難，用戶的體感未必錯(cuò)，但體感未必能直接定位到問題根源。

四層原因同時(shí)存在，互相疊加，用戶面對(duì)的不是一個(gè)可以定位的bug。

1

普通用戶幾乎無(wú)法歸因

AMD總監(jiān)能發(fā)現(xiàn)問題，是因?yàn)樗幸粋€(gè)工程團(tuán)隊(duì)和近7000份session log。普通用戶只有一個(gè)聊天框。

更麻煩的是，“看看模型在想什么”這條路也在收窄。Anthropic現(xiàn)在默認(rèn)對(duì)thinking內(nèi)容做摘要甚至省略，用戶界面上展示的推理痕跡已經(jīng)不等同于模型實(shí)際的推理過程。你沒有辦法通過觀察輸出來反推模型到底“想”了多久、多深。

部署中的模型表現(xiàn)會(huì)隨時(shí)間變化，而且變化軌跡不一樣

今年2月發(fā)表在PLOS One上的一項(xiàng)縱向研究，用固定prompt連續(xù)10周追蹤了多個(gè)主流模型，得出了一個(gè)很克制也很扎心的結(jié)論，部署中的大語(yǔ)言模型確實(shí)會(huì)發(fā)生可測(cè)量的行為漂移，但因?yàn)閺S商不公開更新日志和訓(xùn)練細(xì)節(jié)，對(duì)觀察到的退化做任何歸因都純屬推測(cè)。

這才是“AI降智”這個(gè)話題真正讓人難受的地方。你付了錢，你有體感，但你拿不出證據(jù)。平臺(tái)知道真實(shí)模型版本、fallback路徑、reasoning檔位、thinking是否被壓縮，你什么都看不見。

1

被逼急的用戶，各顯神通

面對(duì)歸因困難，用戶開始自救。社區(qū)里流傳的方法五花八門，有些像偏方，比如用“市長(zhǎng)的女兒應(yīng)該叫市長(zhǎng)什么”、“我想洗車。洗車店就在50米外。我該開車去還是走路去？”這類問題去測(cè)試。

另外有些確實(shí)有一定道理。最樸素的對(duì)照實(shí)驗(yàn)。 新對(duì)話和長(zhǎng)對(duì)話做一次對(duì)照，如果新對(duì)話明顯正常，先懷疑上下文壓縮機(jī)制。官方入口和第三方入口做一次對(duì)照，先排除中間商這一層。社區(qū)已經(jīng)有針對(duì)性的指紋驗(yàn)證工具，可以檢測(cè)返回的模型是否與聲稱的一致。

環(huán)境變量的“手動(dòng)搶救”。 在程序員社區(qū)里，一組Claude Code配置正在被廣泛傳播，關(guān)閉adaptive thinking、把effort設(shè)為max、調(diào)高自動(dòng)壓縮閾值。有開發(fā)者說，調(diào)完之后“相對(duì)感覺不降智”。這些配置本質(zhì)上是用戶在手動(dòng)接管本該由平臺(tái)自動(dòng)管理的推理預(yù)算分配。

甚至有人發(fā)現(xiàn)，只有反復(fù)大喊“THINK HARD”才能拿到正確答案。 有用戶做了一組測(cè)試，同一道題用不同強(qiáng)度的思考指令去prompt，只有連續(xù)重復(fù)“THINK HARD”多次的版本才通過了。這已經(jīng)不是提示詞工程，更像是在和自己付費(fèi)的產(chǎn)品討價(jià)還價(jià)。

觀察它是“不會(huì)了”還是“沒想夠”。 這個(gè)區(qū)分比具體的trick更重要。如果同一個(gè)任務(wù)在調(diào)高配置后恢復(fù)正常，那問題大概率不在模型本身，而在默認(rèn)配置。如果怎么調(diào)都不行，那可能真的是模型能力或中間層出了問題。

這些方法都很粗糙。但它們的存在本身就說明了用戶正在用本不該由他們承擔(dān)的成本，去做本該由平臺(tái)提供的透明度。

1

AI產(chǎn)品至少該有一張配料表

訂閱制AI正在出現(xiàn)一種類似縮水式通脹（shrinkflation）的體驗(yàn)，你付的錢沒變，產(chǎn)品名沒變，但實(shí)際拿到的推理深度、穩(wěn)定性和完成效率可能在悄悄變化。Anthropic剛剛和Broadcom、Google簽下了3.5吉瓦的長(zhǎng)期算力合同，收入增長(zhǎng)極快，但多方信息顯示其算力供給仍然緊張，訓(xùn)練和推理的支出壓力很大。

每次新模型發(fā)布前，舊模型都會(huì)被故意弄傻，這個(gè)在社區(qū)廣泛流傳的敘事，在Opus 4.7即將發(fā)布的當(dāng)下尤其有市場(chǎng)。它未必完全準(zhǔn)確，但廠商至今也沒有給出足夠的解釋來打消這種懷疑。

一些行業(yè)分析師指出，所有前沿模型公司其實(shí)都面對(duì)相似的算力和成本壓力，當(dāng)使用規(guī)模繼續(xù)擴(kuò)大，節(jié)流、分層、權(quán)衡幾乎是結(jié)構(gòu)性不可避免的。“算力不夠”可以理解。但“算力不夠所以靜默降配，同時(shí)不告訴任何人”就很難讓人接受了。平臺(tái)享受了服務(wù)化AI的靈活性，卻沒有承擔(dān)相應(yīng)的透明義務(wù)。

食品有配料表，軟件有版本號(hào)。AI產(chǎn)品至少也該告訴用戶你現(xiàn)在到底在用什么。當(dāng)前真實(shí)模型版本、是否發(fā)生了fallback、推理檔位、thinking是否被壓縮。這些不是技術(shù)細(xì)節(jié)，而是最基本的知情權(quán)。

有用戶在X上寫道，“When you pay for a model, you should get that model.” 有中國(guó)開發(fā)者說得更直白，“這個(gè)行業(yè)模式到最后沒有人敢訂閱年費(fèi)會(huì)員。”

一個(gè)用戶為了確認(rèn)自己買到的東西是不是真貨，要去學(xué)指紋驗(yàn)證、背環(huán)境變量、在prompt里連喊三遍“給我認(rèn)真想”。這個(gè)產(chǎn)品關(guān)系已經(jīng)出了問題。如果行業(yè)不能主動(dòng)補(bǔ)上這張配料表，用戶要求的就不會(huì)只是更強(qiáng)的模型，而是監(jiān)管和消費(fèi)者保護(hù)。

點(diǎn)個(gè)“愛心”，再走 吧