GPT-5.5发布后，Anthropic道歉了

智东西4月24日消息

过去这一个多月，不少Claude Code用户心里直犯嘀咕：怎么感觉这工具“变笨了”？回复变短、记性变差、生成的代码质量也打了折扣，甚至有人直接调侃它“降智了”。

，Anthropic立刻发布了一份技术报告，正面回应了近期关于Claude Code的种种质疑。Anthropic特别强调，公司绝无可能蓄意降低模型性能，并宣布，算是对用户体验损失的一种补偿。

经过全面排查，团队最终锁定了三个具体的技术“病灶”：

：3月4日，为了解决部分用户在“高”难度下遇到的界面卡顿问题，Anthropic将Claude Code的默认推理难度下调到了“中”。但用户反馈很快表明，大家其实更倾向于默认使用更高的智能级别，只在处理简单任务时才手动切换到低难度。于是，团队在4月7日撤销了这项更改，恢复了原有设置。这次调整主要影响了Sonnet 4.6与Opus 4.6版本。

：3月26日上线的一个会话缓存优化功能，本意是好的——清除闲置超过一小时的会话历史思维记录，以降低延迟。但程序出了个漏洞，导致这个清除操作在会话的剩余时间里被反复触发。结果就是，模型开始出现回答重复、工具选择异常的情况。该漏洞在4月10日被修复，影响范围覆盖了Sonnet 4.6与Opus 4.6版本。

：4月16日，Anthropic新增了一条系统提示，目的是精简输出、减少冗余。没想到，这条新指令与其他现有规则叠加后，产生了意想不到的化学反应，反而导致了代码生成质量的下降。团队在4月20日迅速撤销了这条提示。这次变更影响了Sonnet 4.6、Opus 4.6及新发布的Opus 4.7版本。

01.默认推理强度调整引发连锁反应

在最新的排查公告里，Anthropic详细解释了这次性能波动的复杂性。它并非由单一问题引起，而是上述三项功能调整在时间和影响范围上相互叠加的结果。需要明确的是，问题仅限于Claude Code、Claude Agent SDK及Claude Cowork这三款产品，其核心的API服务并未受到影响。截至4月20日（版本号v2.1.116），所有相关问题都已修复完毕。

公告也坦言，由于三次变更各自的影响范围和持续时间不同，导致用户端的体验是“普遍感到性能下降，但问题表现并不稳定”。这种不稳定性，无疑给初期的问题排查增加了巨大难度。事实上，团队从3月初就启动了调查，但一开始很难区分这到底是正常的性能波动，还是确实出现了异常。内部的测试环境也没能第一时间复现故障。为了弥补用户，Anthropic才做出了重置所有用户使用额度的决定。

如果把时间线拉长，这场风波的伏笔早在今年2月就已埋下。当时，

然而，上线后不久，用户反馈就来了：高强度模式下，模型“思考”的时间太长，不仅带来了明显的响应延迟，Token消耗量也显著增加。

Opus 4.7与Opus 4.8不同模式下token消耗量

为此，Anthropic对默认设置动了一次手术。Claude Code里的“工作量级别”功能，其设计初衷是让用户在“思考时间、输出质量和成本”三者之间做出自己的权衡。内部测试显示，中等强度虽然在智能表现上略有妥协，但能显著降低延迟、避免极端的等待时间，同时提高使用效率。

可是，这一调整很快引发了新的连锁反应，大量用户直观地感觉到模型“变弱了”。尽管团队随后尝试通过增加启动提示、内嵌难度选择器等方式引导用户自行调整，但大多数用户依然习惯沿用默认配置，导致负面反馈持续累积。

Claude通过产品内对话框解释了更改原因

在综合权衡了各方意见后，Anthropic最终在4月7日撤回了这项调整：将Opus 4.7的默认工作量设为1（对应xhigh级别），其余模型设为2（对应high级别），全面恢复了更高的默认推理强度。

02.让模型“健忘”的缓存漏洞

要理解这个漏洞，得先知道Claude的正常工作逻辑。在理想状态下，当Claude完成一轮推理后，它的整个思考过程会被完整地保存在对话历史中。这样，在接下来的每一次交互里，模型都能回溯自己之前为什么执行了某项编辑、调用了某个工具，从而保持决策的一致性和连贯性。

3月26日，Anthropic上线了一项旨在提升效率的性能优化，引入了“提示缓存”机制。简单说，就是为了降低连续API调用的成本并加快响应速度。

按照最初的设计，这个机制应该很简单：会话闲置超过一小时，系统就一次性清理掉旧的推理记录，以减少恢复会话时的资源开销。等用户再次回来交互时，再重新建立完整的推理历史。

但实际的代码实现出了个关键纰漏：

更麻烦的是，在工具调用过程中，如果用户插入了新消息，系统甚至可能在“上下文已经损坏”的状态下开启新一轮交互，连当前回合的推理信息都被一并清除。最终表现出来的症状就是，Claude虽然还能继续执行任务，但它越来越记不清自己之前为什么那么做，这正是用户反馈的“健忘”、回答重复、工具选择异常等问题的根源。

与此同时，

Anthropic认为，这也是部分用户反馈“使用额度消耗异常加快”的一个重要原因。

这个问题之所以难以被迅速发现，主要有两个原因：第一，它只在“长时间闲置会话”这类相对极端的条件下才会触发；第二，当时内部有两项并行的实验在一定程度上掩盖了问题的表现。其中一项是关于消息队列的服务器端实验，另一项则是对“思维过程展示”功能的调整，后者恰好在多数测试场景中抑制了异常现象，使得问题在测试阶段没有暴露出来。

从技术架构上看，这个漏洞位于Claude Code的上下文管理、Anthropic API与扩展推理机制三者的交汇处。相关的代码变更其实已经通过了多轮人工和自动化审查，也完成了单元测试、端到端测试和内部验证。但由于触发条件苛刻、复现难度极高，团队最终花费了超过一周时间才定位到根本原因，并在4月10日发布的v2.1.101版本中完成了修复。

在事后的复盘分析中，团队使用Opus 4.7对相关的代码提交进行了回溯。在提供了完整的代码仓库上下文后，Opus 4.7成功识别出了这个漏洞，而Opus 4.6则未能发现。Anthropic表示，未来将优化代码审查流程，考虑引入更大规模的上下文支持，以提升模型辅助开发工作的有效性。

03.系统提示优化的“副作用”

另一方面，随着Claude Opus 4.7的发布，模型在处理复杂任务时的能力确实显著增强了，但随之而来的一个“副作用”是输出内容更为详尽，这自然也带来了更高的Token消耗。

为此，Anthropic在Opus 4.7发布前的几周，就已经开始对Claude Code进行适配优化。由于不同模型在行为模式上存在差异，每次大版本更新前，团队都会对提示策略和产品体验进行系统性的调整。

在减少冗余输出方面，团队尝试了多种手段，包括模型训练优化、提示词设计以及交互体验改进。其中，一项关键调整是在系统提示中加入明确的长度限制指令：

这项改动在内部测试阶段没有暴露出明显问题，多组评估结果也没有显示性能下降，因此团队在4月16日随Opus 4.7版本一同上线了这项策略。

然而，在后续更大规模的评估中，通过消融实验（即逐条移除提示语以分析其具体影响）发现，这条长度限制对模型能力产生了负面影响，

基于这一确凿的评估结果，Anthropic在4月20日立即撤销了这条提示。

为了避免类似问题再次发生，Anthropic表示将从产品使用、研发流程与沟通机制等多个层面进行系统性改进。首先，团队将扩大内部真实使用场景，确保更多员工直接使用Claude Code的公开版本，而不是仅仅依赖测试环境中的预发布版本，以便更早地嗅探到潜在问题。同时，公司也将升级内部的代码审查工具，并计划将相关改进能力逐步开放给外部开发者使用。

在技术流程上，Anthropic将进一步收紧对系统提示变更的管理。未来，任何针对Claude Code的提示调整，都需要在不同模型版本上进行全面评估，并且要通过持续的消融测试来确保稳定性。团队还开发了新的审查与审计工具，以提升提示变更的可追溯性与可控性。此外，在内部的CLAUDE.md规范文件中，也已补充了相关条款，明确了不同模型的提示调整边界，防止出现跨模型干扰。

对于那些可能影响模型智能表现的改动，Anthropic表示将采取更谨慎的策略：延长测试周期、扩大评估数据集，并采用渐进式的发布方式，以便在影响范围较小时就能识别并修复问题。

在对外沟通方面，公司已经在X平台上线了@ClaudeDevs账号，用于更透明地解释产品决策背后的技术考量；同时，也会在GitHub的集中讨论帖中同步更新进展，增强与开发者社区的互动。

Anthropic在报告最后特别提到，此次问题的定位与修复，离不开用户社区的持续反馈。无论是通过官方反馈渠道提交的问题，还是用户在公开社区分享的可复现案例，都为排查工作提供了至关重要的线索。作为对这份支持的回应，公司于今日重置了所有订阅用户的使用额度。

04.结语：不只是更聪明，更要更可靠

回顾这场“降智”风波，其本质并非模型智力水平的退步，而更像是一个警示：在复杂的AI工程系统里，看似独立的产品决策与工程优化，可能会产生意想不到的叠加效应，最终引发连锁反应。

对Anthropic而言，这次公开、详细的技术复盘，既是一次对用户关切的危机应对，也是一次对外的清晰信号释放。在当下与OpenAI等竞争对手加速角逐的背景下，稳定、可靠的产品体验，或许正在成为与“追求更强模型”同等重要的竞争维度。毕竟，再聪明的模型，如果时不时“闹点小脾气”，用户体验也会大打折扣。