Claude Code/Opus 5双降智 工程师认错

时间：2026-08-24 地点：美国旧金山（Anthropic 总部） 人物：开发者 argofowl、科技博主 Chubby、Claude Code 工程师 Thariq Shihipar 事件详情：开发者 argofowl 在排查 Claude Code 输出异常时，从 API 真实请求日志中发现，Claude Code 2.1.237 把用户选定的"high"最高推理档，映射到了 10/100，与"low"档相同。Anthropic 工程师 Thariq Shihipar 承认这是从 Claude Code 2.1.236 开始、为 Fable 5 会话设计的"压缩 effort 数值刻度"A/B 测试，并未公开告知用户。此外，Opus 5 被多位用户和博主 Chubby 指出存在明显降级——敷衍了事、频犯低级错误、被指出后只会机械回复"你说得对，是我疏忽了"。在被网友追问下，Thariq 公开承认 Opus 5 是个"表现很不稳定"的模型，团队将其列为最高优先级处理。 背景：Anthropic 此前为 Claude Opus 5 打出综合得分 82.72、SWE-bench Pro 79.2%、Terminal-Bench 86.7% 等亮眼跑分，但用户体感与评测分数严重脱钩。同时，Anthropic 早在 7 月就发文称 Opus 5 上线后删除了 Claude Code 80% 以上的系统提示词，在编码评测上无明显下滑。 影响：事件撕开大模型行业的核心暗伤——版本更新成为不透明黑箱，服务端可随时进行 A/B 测试、量化方案、模型路由与推理资源调整，开发者只能靠体感判断，且难以证伪。这场风波把"跑分 vs 体感"脱钩、信任契约缺失的问题摆上台面，给整个行业敲响警钟。 总结：Anthropic 工程师承认 Claude Code 暗中调整推理档映射是 A/B 测试，声称不影响模型性能；但 Opus 5 被官方承认为"表现不稳定"。这一风波暴露大模型作为基础设施的稳定性危机，让业界重新审视跑分与体感、版本透明与回滚机制的缺失。 参考来源： 1. https://www.36kr.com/p/3952772295474564 2. https://www.kucoin.com/news/flash/anthropic-admits-fault-as-claude-code-and-opus-5-face-performance-issues 3. https://news.marsbit.co/20260824091409583371.html 4. https://x.com/trq212/status/2091252347913773169 5. https://www.blocktempo.com/anthropic-removed-80-percent-claude-code-system-prompt-context-engineering 6. https://www.toutiao.com/article/7666489406554997284