Anthropic 修复 Claude Code 性能退化：三个独立 Bug 如何叠加成全面能力下滑

Anthropic 发布了一篇详细的事后分析报告，承认 Claude Code 在过去一个月中经历的严重性能退化，根源在于三个彼此独立的技术问题。这些问题在时间线上交错叠加，导致用户感受到的是整体能力的全面下滑。

Claude Code 性能退化分析

问题一：推理力度下调

时间范围：2025年3月4日 — 4月7日

今年2月 Opus 4.6 发布时，Anthropic 将默认推理力度（reasoning effort）设为 high。这个设定充分发挥了模型的推理能力，但也带来了副作用——部分用户反馈 UI 偶尔出现卡死现象，原因是模型思考时间过长导致交互响应中断。

面对这些反馈，Anthropic 将默认值调整为 medium。内部测试显示，medium 模式下模型的智力表现略有下降，但延迟显著降低。问题在于，大多数用户不会主动修改默认设置，这意味着大量用户在此后一个月内持续以 medium 模式运行，使用的是降级后的推理能力。

4月7日，Anthropic 将 Opus 4.7 的默认值回滚为 high，其他模型保持 medium 默认值。

时间范围：2025年3月26日 — 4月10日

这个 Bug 的影响最为直接和严重。Anthropic 的优化目标是：当会话闲置超过1小时后，自动清除旧的思考记录以降低运营成本。

但实现过程中出现了一个错误：清除操作在条件触发后，并未仅执行一次，而是在后续的每个轮次中都重复执行。后果是多方面的——

4月10日，该 Bug 被修复。

时间范围：2025年4月16日 — 4月20日

Anthropic 在系统提示词中添加了减少冗长输出的指令，意图是让 Claude 的回复更加简洁。然而，这项修改与同期进行的其他提示词调整产生了意外的交互效应，最终损害了编码任务的完成质量。

4月20日，相关修改被撤回。

这三个问题各自影响不同的流量切片和模型版本——Sonnet 4.6、Opus 4.6 和 Opus 4.7 的用户群体并不完全重叠，这让问题的影响范围在数据层面变得模糊。

Anthropic 在3月初就开始收到用户的性能退化报告，但内部评估（eval）和测试环境一度无法复现问题。原因包括：

这些因素叠加在一起，形成了典型的「排障盲区」——当你有多个变量同时变化时，定位任何一个单独的故障源都变得异常困难。

Anthropic 已通过 CLI 版本 v2.1.116 修复了全部三个问题。作为对受影响用户的补偿，4月23日重置了所有订阅用户的使用限额。

这次事件对 AI 工具的工程实践提出了一个尖锐的问题：当产品的核心行为由模型参数、系统提示词、缓存策略、客户端逻辑等多个独立系统共同决定时，任何单一组件的退化都可能被其他组件的变化所掩盖或放大。常规的集成测试在这种场景下往往力不从心。