Claude性能退化真相：为省成本调低算力，API账单反增百倍

一份定量报告引发的AI信任危机

近期，AMD人工智能团队负责人Stella Laurenzo在Claude Code官方代码仓库提交了一份引发行业震动的技术报告。这份基于超过6800次会话的严谨分析指出，Claude Code在处理复杂工程任务时已出现系统性能力衰退。报告中最令人震惊的数据显示，由于Anthropic为降低计算成本进行的配置调整，该团队的月度API支出从345美元激增至42,121美元，增幅高达122倍。

思考深度的断崖式下跌

根据Laurenzo团队追踪的23.5万次工具调用记录，Claude Code的“思考深度”指标在两个月内经历了戏剧性变化。这一指标反映了模型在生成答案前进行的内部推理量，从1月底的2200字符锐减至3月的560字符，下降幅度达到75%。

这种变化在工程实践中的影响十分显著：原先模型如同“撰写完整草稿后再作答”，现在则近似于“仅进行短暂思考便匆忙回应”。更值得关注的是，Anthropic同期推出的“思考内容隐藏”功能恰好掩盖了这一退化过程，使用户难以直接察觉模型推理能力的缩水。

从系统分析到盲目修改的行为转变

报告中揭示的另一个关键指标是“读改比”——模型在修改代码前平均阅读的相关文件数量。在性能稳定期，这一比值为6.6，意味着每次代码修改都建立在充分理解上下文的基础上。然而在退化期，该比值暴跌至2.0，降幅达70%。

更为严重的是，约三分之一的代码修改发生在模型完全没有阅读目标文件的情况下，Laurenzo将其称为“盲改”。这种操作模式在工程实践中等同于程序员在不了解函数签名、变量类型和系统依赖的情况下直接编写代码，极有可能引入难以排查的隐性错误。

成本优化的反噬：账单暴涨的深层逻辑

Anthropic调整配置的初衷是降低单次调用的计算资源消耗，但实际效果却截然相反。模型能力退化导致其在复杂任务中频繁陷入“推理循环”——不断自我否定、重新尝试，最终消耗的token数量远超节省的部分。

数据显示，同期用户主动中断任务的比率飙升了12倍，开发者需要频繁介入纠正错误并重新提交任务。这种恶性循环揭示了AI服务定价中的一个根本矛盾：过度削减复杂任务的计算资源不仅不会降低成本，反而会因错误率上升和重复尝试导致总成本呈指数级增长。

历史的重演：GPT-4的类似轨迹

这一现象并非Claude独有。2023年，斯坦福大学与加州大学伯克利分校的研究团队就曾记录GPT-4的类似退化过程。研究显示，GPT-4生成可直接运行代码的比例在三个月内从超过50%下降至10%，素数识别准确率也从97.6%暴跌至2.4%。

两家公司的回应也惊人相似：均将调整解释为“资源优化”和“正常迭代”。这反映出AI服务提供商面临的共同困境——当推理成本持续高于订阅收入时，降低默认计算强度成为最直接的成本控制手段。

技术补救与商业现实的差距

Anthropic工程师Boris Cherny在回应中提供了技术解决方案：用户可通过特定指令或配置文件手动将思考强度恢复至最高级别。然而这一方案本身传递了一个明确信号——最高性能已不再是服务的默认标准。

从345美元到42,121美元的账单变化，不仅反映了财务成本的飙升，更动摇了用户对AI服务提供商的一个基本假设：即平台方的配置优化始终以提升用户体验为核心目标。

青岚个人视点

这份报告揭示的不仅是技术问题，更是AI商业化进程中难以调和的根本矛盾。当“智能”成为可按token计量的商品时，服务商在成本压力下的优化决策往往与用户期待的“更强大模型”背道而驰。Claude的案例表明，单纯降低单次推理成本可能引发连锁反应——模型能力下降导致错误率上升，用户需要更多次尝试才能获得可用结果，最终总成本不降反升。这提醒我们，AI服务的价值评估需要更复杂的指标体系，不能仅关注单次调用成本。对于企业用户而言，建立对AI模型性能的持续监控机制，并准备相应的应急方案，已成为AI集成项目中不可或缺的风险控制环节。