新智元报道

【导读】认为“模型越大=越聪明”是全网Claude Code用户最大的认知误区。许多开发者为此不惜重金升级至最昂贵的变笨A不模Fable模型，却未察觉问题根源。下场型近日，揭秘Anthropic官方发文澄清了这一关键区别。全网

你是变笨A不模否经历过这样的困境：Claude Code代码生成出错，第一反应是下场型切换至更强大的模型？

然而，这种策略往往无效，揭秘甚至是全网在浪费资金。

近日，变笨A不模Anthropic发布长文深入剖析这一现象，下场型指出问题的揭秘核心并非模型能力，而是全网配置逻辑。

起因：概念混淆引发的变笨A不模混乱

大量用户混淆了Claude Code中的两个核心选项：
1. 模型选择（Model）
2. 努力度（Effort）

传统认知中，用户倾向于认为：更换更大模型即提升智能，下场型而调整Effort仅影响思考时长。

今年3月，这一误解引发了社区震荡。

多名开发者反馈Claude Code表现异常：无法读取必要文件、跳过测试环节、任务中途停滞并反向索取信息。GitHub评论区随即爆发大量批评。

最具影响力的质疑来自AMD AI负责人Stella Laurenzo。她通过分析6852个会话日志，发现Claude的思考量较2月下降67%，并直言：

“Claude已无法胜任复杂的工程任务。”

起初，用户归咎于提示词工程或配置错误。最终真相浮出水面：Anthropic于3月4日为降低延迟，将Effort默认档位从high降至medium。

尽管官方更新日志有所记载，但多数用户未予注意，仅感知到模型“无故变笨”。

Anthropic在4月7日恢复默认设置，并为所有订阅用户重置用量额度。此时，用户才意识到Effort开关对AI工作状态的深远影响。

核心逻辑：Model换脑子，Effort换态度

Anthropic将二者区别总结为：Model决定能力上限，Effort决定执行深度。

1. Model：决定“会不会”

模型由“冻结权重”构成，训练结束后即固定不变。
* 不可训练性：推理时的提示词、CLAUDE.md或上下文代码仅能引导模型，无法修改其内部权重。
* 本质：切换模型即切换整套权重体系，解决的是知识储备与逻辑推理的能力问题。
* 局限性：模型无法真正“记忆”新信息。若训练数据中不存在某库，即便提供文档，模型也可能因权重惯性生成错误API调用。

底层机制：
代码被切分为Token（如const=1078, await=2597），模型通过迭代预测单个Token生成回复。

注：模型处理的是数字序列而非文本，每次预测均需完整运算，耗时与成本主要由此产生。

2. Effort：决定“肯不肯”

Effort并非简单的“思考时间”，而是任务投入度的行为信号。
* 低Effort：倾向于快速响应，回避复杂操作，常因上下文不足而反问用户。
* 高Effort：主动读取文件、执行测试、验证逻辑，直至完成多步骤任务链。

Effort涵盖文本回复、工具调用及扩展思考。官方数据显示，同一条Prompt下，高Effort生成的Token量约为低Effort的7倍，额外开销主要用于信息检索与验证。

反直觉结论：
小模型+高Effort > 大模型+低Effort
充足的上下文与高投入，往往能弥补模型规模的不足。

决策框架：是“不会”还是“不努力”？

Anthropic提供了一套标准化排查流程：

1. 检查上下文：Prompt是否清晰？工具与CLAUDE.md是否配置正确？多数“变笨”源于上下文缺失。
2. 判断性质：
3. 不够努力：跳过文件、未跑测试、中途求助。
4. 对策：提升Effort档位。
5. 不会：上下文充足、尽力执行仍出错，换表述无效。
6. 对策：更换更强模型。

模型角色定位

• Sonnet：全能执行者。拥有充足时间，能全面阅读代码、执行测试并验证结果，适合大多数常规任务。
• Opus：限时专家。仅5分钟窗口，但具备代码库中不存在的深层经验与直觉，适合快速扫描与关键决策。
• Fable：专科专家。仅在常规模型失效时启用，能在极短时间内发现隐蔽错误，但成本最高。

注：在长任务与多步骤场景中，Fable优势显著，部分任务即便Opus/Sonnet开满Effort也无法完成。

行业转向：从“卷模型”到“调度智能”

官方解读揭示了AI编程竞争的核心转移：从比拼模型参数，转向调度智能体的能力。

用户需扮演“项目经理”角色，根据任务特性分配模型与Effort：
* 简单修改：Sonnet + 低Effort（高效、低成本）。
* 大型重构：强模型 + 高Effort。
* 复杂智能体任务：强模型 + Ultracode模式（自动拆解任务、并行处理）。

3月风波的本质，是用户仍停留在“唯模型论”阶段，忽视了Effort这一关键杠杆。

结论：
调度模型已成为核心技能。学会合理分配“脑子”与“态度”，才能让每一分Token投入产生最大价值。否则，再昂贵的模型也仅是一个更昂贵的搜索引擎。

参考资料：
* https://claude.com/blog/claude-model-and-effort-level-in-claude-code
* https://x.com/ClaudeDevs/status/2074900291062034618?s=20
* https://platform.claude.com/docs/en/managed-agents/multi-agent

编辑：元宇