机器之心编辑部
今日的人工智能领域热闹非凡，先是 OpenAI 推出了备受瞩目的 GPT5.5，紧接着 DeepSeek v4 也如约而至。
在这波庆祝热潮中，Anthropic 发布了一份郑重的声明，虽然没有推出新产品，但内容同样引人注目：关于 Claude Code 的性能问题确实存在，但这背后有其缘由……
过去一个月里，部分用户反馈了 Claude Code 质量下降的问题。经过调查后，Anthropic 发布了一份详细的复盘报告，并总结了三个主要发现。
故事的开端要追溯到今年三月，当时一些网友在 Hacker News 和 Reddit 等平台上表达了对 Claude Code 性能下滑的不满。
随着讨论热度上升，Anthropic 的工程负责人 Boris Cherny 在 GitHub 上回应了网友们的疑问，解释说他们只做了界面层面的调整，并不影响模型的核心功能或性能。
尽管如此，用户们依然不买账。原因很简单：尽管官方给出了答复，但问题依旧存在，这让大家感到不满和困惑……
直到今天，Anthropic 官方终于做出了正式回应。
根据他们的解释，这些问题源于 Claude Code 和 Agent SDK 的运行框架（Harness），而 Cowork 也基于同样的 SDK 运行，因此同样受到了影响。「模型本身并没有退化，Claude API 则未受影响。」
关于「发现的三个问题」，具体内容如下：
- 其一，推理努力度调整失败。
在三月初，Anthropic 将 Claude Code 的默认推理强度从「high」调至「medium」，以减少用户在高强度模式下遇到的延迟问题。然而这一改动被证明是个错误。
直到四月初，在收到更多用户的反馈后，他们撤回了上述调整，并恢复了原来的状态。但不幸的是，这次变更影响到了 Sonnet 4.6 和 Opus 4.6 版本。
- 其二，缓存机制中出现了一个 Bug。
在三月尾声时，Anthropic 进行了一项改动以优化会话闲置期间的清理逻辑。然而这一改动却意外地触发了一个 Bug，导致每次对话都会清除之前的「思考」内容，让模型看起来像是「健忘且重复」。
问题被发现后，他们于四月修复了该漏洞，但同样影响到了 Sonnet 4.6 和 Opus 4.6 版本。
四月中旬，Anthropic 在系统提示词中加入了一条「降低冗长度」的指令：
- 三是系统提示词变更
「限制回复长度：在工具调用间，文本不应超过25个单词；除非任务要求更多细节，否则最终回答应控制在不超过100个单词。」
然而与其他提示词改动叠加后，这一调整反而降低了代码任务的表现，限制了模型处理复杂任务的深度，导致编码质量下降。
于是，在四月底时，Anthropic 撤回了上述变更，但问题再次影响到了 Sonnet 4.6、Opus 4.6 及 Opus 4.7 版本。
这一系列变动分别在不同时间点进行，并作用于不同的用户群体，最终导致了广泛且不一致的性能下降现象。
因此，在最初的调查中，Anthropic 难以将这些问题与正常的用户体验波动区分开来。同时内部使用情况和测试也无法及时复现这些问题，从而未能提前发现并解决这些困扰用户的状况。
为了表示歉意，截至四月底，所有订阅用户都将重置他们的使用限额。
此外，为了避免未来再次出现类似问题，Anthropic 宣布将采取一系列改进措施：
确保更多员工直接使用与外部用户相同的公共版本，并且改进内部使用的代码审查工具；同时，在进行系统提示词更改时实施更严格的控制和测试流程；
- 针对可能影响模型性能的变更，引入更长的观察期以及更精细的灰度发布策略。
- 总体而言，Anthropic 的这次回应显得较为诚恳。他们是否能够通过这些措施解决当前的问题，并赢得用户的信任？这值得我们关注和讨论！
- 对于可能影响模型智能水平的变更，将引入更长的观察期和更细致的灰度发布，以便更早发现问题。
不得不说，难得看到「高傲」的 Anthropic 如此正视自己的问题，看来大家的「吐槽」还是有效果的。
那么你呢，觉得此次 Anthropic 的态度如何，给出的理由是否有说服力？欢迎大家留言、交流！
https://x.com/bcherny/status/2047375800945783056
https://news.ycombinator.com/item?id=47878905
https://www.anthropic.com/engineering/april-23-postmortem