Claude Opus 5 降智了吗？现象记录、原因分析与应对方法（2026 年 8 月）

最后更新：2026 年 8 月。本文信息来自 Anthropic 官方 Postmortem 与工程团队公开回应、开发者社区一手排查记录（X / GitHub / Hacker News），以及机器之心、量子位、新智元等媒体的交叉报道，全部可溯源。封面及文中信息图均为 XIA345 原创制作。

TL;DR：三句话结论

赶时间的读者直接看结论：

1. 降智是真的，官方已经认账：2026 年 4 月 23 日，Anthropic 发布官方复盘《A postmortem of three recent issues》，承认 Claude Code 存在 3 个导致「降智」的 Bug；8 月 24 日，Claude Code 工程师 Thariq Shihipar 又公开承认 Opus 5「表现忽高忽低、不稳定」，修复是团队当前最高优先级。
2. 大部分降智出在运行框架层，不是模型本体：官方明确表示模型本身未退化、Claude API 未受影响，问题集中在 Claude Code 与 Agent SDK 的运行框架（Harness）——推理等级降档、缓存 Bug 清空思考记录、提示词长度限制，三件事叠加造成了「广泛且不一致」的体验下滑。
3. 用户能做的：先用本文的「6 步自测法」排除自身问题（版本、缓存、长会话），确认是官方侧问题后，错峰使用或临时切换备选模型，并关注官方修复动态，别在自己代码里瞎折腾一下午。

Claude Opus 5 降智了吗？先给答案

是真的，但情况和大多数人想的不一样。

Opus 5 是 Anthropic 于 2026 年 7 月 24 日发布的旗舰模型，接替 Opus 4.8，拥有 100 万 token 上下文，定价与上一代持平（输入 $5 / 输出 $25 每百万 token），并成为 Claude Max 的默认模型。发布时的成绩单相当亮眼：综合得分 82.72、SWE-bench Pro 79.2%、Terminal-Bench 86.7%。

但发布不到一个月，2026 年 8 月 23 日，开发者 argofowl 在排查一下午后，从 API 请求日志里发现 Claude Code 2.1.237 及以上版本把「high」推理档位读成了 10 out of 100——界面显示的明明是最高档。随后科技博主 Chubby 直言「Opus 5 现在感觉像是一次显著的降级」：敷衍了事、频犯低级错误、被指出问题后只会机械回复「你说得对，是我疏忽了」。

面对追问，Claude Code 工程师 Thariq Shihipar 公开承认：Opus 5 是一个「表现很不稳定」的模型，忽高忽低，团队内部正在以最高优先级解决。

所以结论分两层：

• 「Claude 整体偷偷降智」——部分属实，官方承认了 3 个框架层 Bug 和 A/B 测试不透明的问题；
• 「Opus 5 模型本体被偷偷削弱」——目前没有证据，官方口径是模型与 API 未变，问题出在运行框架与模型本身的稳定性波动上。

「降智」是什么意思？

「降智」是中文 AI 社区的说法，指同一个模型在没有换版本、没有改设置的情况下，回答质量肉眼可见地下滑：变笨、变懒、变啰嗦，或者忘记之前说过的话。

对应到英文社区，大家说的是 "Claude got dumber"、"lobotomized"（被切除脑叶），还有人造了一个新词——AI shrinkflation（AI 缩水通胀）：同样的价格，你拿到的是稀释过的产品。

需要区分的是：降智 ≠ 模型能力退化。2026 年 4 月官方复盘已经说明，多数「降智」来自产品层的 Bug 和实验（推理档位、缓存、提示词），模型权重本身并没有被动过手脚。但对用户来说，体验上没有区别——你关心的是「今天的 Claude 不好用了」，而不是 Bug 出在哪一层。

现象记录：用户遇到的 5 种典型「降智」表现

综合 GitHub Issues、Hacker News、X 和 Reddit 的用户反馈，「降智」主要有这 5 种表现：

1. 越聊越傻：长会话里逐渐忘记自己在做什么，重复之前的步骤，工具调用混乱——这是缓存 Bug 的典型症状（详见下文原因分析）。
2. 道歉循环：被指出没按指令执行后，只会回复「你说得对，是我疏忽了」，然后继续犯同样的错，翻来覆去没完没了。
3. 造 Bug 修 Bug：自己制造 bug，再耗费大量时间去修，同一任务中反复自我纠正，效率极低。
4. 敷衍偷懒：回答明显变短，跳过关键步骤，选「最简单的修复」而不是正确的修复。
5. 啰嗦抬杠：解释一大堆不干活，或者在不需要确认的地方反复停下来问。

最有分量的一份证据来自 AMD AI 组高级总监 Stella Laurenzo 在 2026 年 4 月发布的硬核审计报告：她分析了 6852 份会话文件、17871 个思考块、超过 23 万次工具调用，发现从 2026 年 2 月开始，模型的推理深度出现断崖式下滑，且模型明显倾向陷入「推理循环」（reasoning loops）。

把两波事件拉成一条时间线看，你会发现「降智」不是一次孤立事故，而是反复出现的模式：2025 年 8 月 Anthropic 就发过一次类似复盘（影响 Opus 4.0/4.1），2026 年 4 月又来一次，8 月 Opus 5 时代再次爆发。

原因分析一：官方承认的 3 个 Bug（2026 年 4 月）

2026 年 4 月 23 日，Anthropic 在官方博客发布《A postmortem of three recent issues》，把过去两个月的「降智」拆解为三个独立问题：

Bug ① 推理等级偷偷降档（3 月 4 日上线，4 月 7 日撤回）

为了降低部分用户在高档位下的超长延迟，官方把 Claude Code 的默认推理强度从「high」调成「medium」，但界面仍然显示「high」。用户以为自己在用满血版，实际拿到的是降档货。4 月 7 日，在用户反馈「宁愿要更高智能」后官方撤回了改动，但撤回过程又影响了 Sonnet 4.6。

Bug ② 缓存 Bug 清空思考记录（3 月 26 日上线，4 月 10 日修复）

本意是优化：会话闲置超过 1 小时后，重新进入时清理旧的「思考」内容。结果代码有 Bug，清理操作在后续每一轮对话中都会触发——Claude 继续干活，但逐渐忘了自己为什么要干这件事。健忘、重复、工具调用乱飞都是这个 Bug 的症状。更糟的是，思考记录被反复清除导致每次请求缓存未命中，token 消耗反而飙升。这个 Bug 花了 15 天才修好。

Bug ③ 一句提示词砸了输出质量（4 月 16 日上线，4 月 20 日回滚）

官方在系统提示词里加了一条「降低冗长度」的指令：「工具调用之间的文字不超过 25 个词，最终回复不超过 100 个词」。这条指令与其他提示词改动叠加后，限制了模型处理复杂任务时的思考深度，直接导致编码质量下降，Opus 4.6 和 4.7 都掉了约 3% 的性能，四天后紧急回滚。

官方的关键澄清：这三个问题作用于不同的用户流量切片、在不同时间段生效，叠加起来的效果就是 Claude Code「持续、不均匀地变差」，但谁也说不清哪里不对。同时官方强调——模型本身没有能力退化，Claude API 未受影响，问题出在 Claude Code 和 Agent SDK 的运行框架（Harness）层，基于该 SDK 的 Cowork 同样受影响。作为补偿，所有用户的使用额度被重置。

原因分析二：A/B 测试不透明，「high」变成 10（2026 年 8 月最新）

8 月的新一轮风波，主角换成了 Opus 5 时代的 Claude Code。

开发者 argofowl 花了整整一个下午排查「Claude 突然变笨」：先怀疑是 t3 code 崩了，又怀疑自己的代码有 Bug，最后甚至怀疑自己把 Mac 搞坏了。直到打开 API 的真实请求日志，里面赫然写着一个数字——「10」。而他明明选的是最高档「high」。

事后查明：从 Claude Code 2.1.237 开始，模型把「high」推理程度读成了 10 out of 100，而这个数字恰好是过去「low」档对应的值。细扒发现，Anthropic 把 2.1.236 及以上版本的 Fable 5 会话纳入了一个「压缩 effort 数值刻度」的实验——大概率是 A/B 测试，所以不是人人都会撞上。老版本会话和 Opus 5 不受这个实验影响。

Claude Code 工程师 Thariq Shihipar 的回应很快：这只是在 Claude Code 里预先测试 API 的服务配置，改的是 effort 的数值映射方式，「你选的 effort 就是你拿到的 effort」，团队做了深入评测确认不影响模型性能。

但开发者真正的痛点在于：你把我拉进了实验组，却不打算告诉我。 更新日志里一个字没写。正如 36 氪报道里说的：模型强一点弱一点还能忍，「那我这一下午到底在 debug 什么？是在调自己的代码，还是在调你的 A/B 测试？」

这件事撕开了行业的一个暗伤：同一个模型名称之下，服务端可能随时进行 A/B 测试、更换量化方案、调整模型路由。传统软件有版本号、更新日志和回滚机制，而大模型的版本更新是最不透明的黑箱——人们手里唯一的仪表盘，只剩下自己的体感。

原因分析三：Opus 5 模型本身不稳定（官方承认）

解决了 effort 刻度问题后，博主 Chubby 继续追问，Thariq 给出了更直白的承认：Opus 5 是个「表现很不稳定」的模型，忽高忽低，团队内部正以最高优先级解决。

这解释了很多 Opus 5 用户的困惑——为什么同一道题，上午做出来是满分，下午就敷衍了事。这不是你的错觉，也不全是框架 Bug，模型本身的输出稳定性确实存在波动。

对使用者的启示：在官方修复落地前，重要任务建议多跑几次取最优结果，或者在关键节点切换其他模型交叉验证，而不是默认单次输出就是最终答案。

原因分析四：跑分与体感脱钩，为什么你觉得变笨了但跑分没变

Opus 5 身上同时存在两种截然相反的评价：

• 跑分侧：综合 82.72、SWE-bench Pro 79.2%、Terminal-Bench 86.7%，几乎无可挑剔；
• 体感侧：「啰嗦」「偷懒」「爱抬杠」「显著降级」。

为什么？三个原因：

1. 基准测试是单轮、干净上下文的短任务，而真实使用是长会话、多工具调用、带历史包袱的复杂工程——恰好是缓存 Bug 和长上下文退化影响最大的场景。
2. 准确率指标测不出「推理深度」。审计报告发现的是推理深度下滑和推理循环，这在不考核思考过程的基准里几乎不可见。
3. A/B 测试按流量切片生效，跑分机构测到的可能是对照组，你日常用到的可能是实验组。

一个佐证是 BridgeMind 的 BridgeBench 测试曾显示 Opus 4.6 准确率从 83.3% 掉到 68.3%、排名从第 2 跌到第 10——虽然这份测试后来被批评方法论有问题（前后测试的任务数量不一样），但「跑分永远向上、体感一路向下」的叙事已经传开了。

所以当你觉得自己用的模型「变笨了但评测都说没变」时，不一定是错觉：你的使用场景，可能恰好落在基准测试覆盖不到、而官方实验覆盖到的位置。

如何自测 Claude 是否降智：6 步排查法

怀疑降智时，按这个顺序排查，避免浪费一下午：

第 1 步：固定题目跑基准。 准备 3–5 道固定测试题（至少 1 道复杂工程题），存成模板。发现变笨的当天立刻跑一遍，和历史输出对比。这是唯一能客观量化的手段。

第 2 步：查版本号。 执行 claude --version，到 GitHub Releases 看近期更新日志。8 月这次事件的分界线就是 2.1.237——降级或升级版本可以快速验证问题是否与版本相关。

第 3 步：查 API 真实请求。 有 API 权限就抓请求日志，看 effort / thinking 参数的实际值。argofowl 正是靠这一招发现「high 变成 10」的。眼见为实，别信界面显示。

第 4 步：开新会话排除缓存。 新建会话、清理旧上下文再测。长会话本身就会导致质量下滑（上下文腐蚀），别把「聊太长」误判成「降智」。

第 5 步：看社区实锤。 搜索 GitHub Issues、Hacker News、X 上的最新讨论。如果大量用户在同一时段吐槽同样的问题，基本可以确认是官方侧问题，而不是你的环境问题。

第 6 步：错峰 + 备胎。 使用高峰期质量波动更明显，可以错峰重试；关键任务准备第二模型做对照或兜底（详见下一节）。

一条经验法则：同一道题、同一版本、新会话里稳定复现质量下滑，且社区同期有同样反馈——那就不是你的问题。等官方修复或切换模型，别在自己的代码里瞎折腾。

Claude 降智了怎么办？应对方法清单

按「确认是谁的问题」分三种情况处理：

情况一：确认是官方 Bug（社区同反馈 + 固定题复现）

• 到 GitHub 仓库提 Issue 或在已有 Issue 下补充你的复现案例，信息越具体越有用；
• 关注官方工程账号的修复动态，重大 Bug 一般会伴随额度重置等补偿；
• 期间降低对该模型的依赖度，重要任务延后或分流。

情况二：自身使用方式导致的「伪降智」

• 控制会话长度，长任务拆分会话，善用 /compact 之类的上下文压缩；
• 升级到最新版客户端（Bug 修复通常随版本发布）；
• 检查自己的系统提示词 / CLAUDE.md 是否引入了类似「限制回复长度」的指令——官方 4 月那次翻车就是一条 25 词限制引起的。

情况三：需要长期稳定的工程方案

• 建立「双模型流水线」：主力模型 + 备选模型，关键产物交叉验证。目前社区常见组合是 Claude Code 搭配 Codex，或搭配高性价比的开源模型方案；
• 国产模型里，编程能力已进入第一梯队：GLM-5.3 的 Terminal Bench 3.0 等基准达到开源第一，输出价格约为 Claude Opus 的 1/6，可作为成本友好的备选，详见我们此前的评测《GLM-5.3 深度评测：能力、价格与 Claude/GPT 对比》；
• 想系统性了解 Claude 模型线的下一步动向，可以看这篇《Claude 新模型泄露：claude-marshmallow-eap 和 claude-melon-eap 是什么？》；
• 更多 AI 编程工具的横向对比，可在 XIA345 AI 导航 中查找。

常见问题 FAQ

问：Claude Opus 5 降智是真的吗？官方承认了吗？

答：是真的，且官方已两次认账。2026 年 4 月 23 日 Anthropic 发布官方复盘，承认 Claude Code 存在 3 个导致降智的 Bug（推理等级降档、缓存清空思考记录、25 词提示词限制）；8 月 24 日工程师 Thariq Shihipar 又公开承认 Opus 5 本身「表现忽高忽低、不稳定」，修复是团队最高优先级。

问：Claude 降智会影响 API 用户吗？

答：4 月官方复盘明确表示模型本身未退化、Claude API 未受影响，问题集中在 Claude Code 和 Agent SDK 的运行框架层。也就是说：直接调 API 的用户基本不受这三个 Bug 影响；用 Claude Code、Cowork 或基于 Agent SDK 的工具时才会中招。

问：Claude Code 显示 high 但实际是 10，是怎么回事？

答：这是 2026 年 8 月曝光的「effort 刻度压缩」实验：Claude Code 2.1.236+ 的部分 Fable 5 会话被纳入实验组，数值映射方式改变导致日志里显示 10。官方回应称不影响实际性能（你选的档位就是你拿到的档位），但更新日志未披露。怀疑自己中招，可以降级客户端版本验证。

问：Claude 降智了怎么恢复？

答：分两步。先按 6 步自测法确认是不是官方问题；如果是自身使用问题，开新会话、升级客户端版本、精简系统提示词通常能立刻改善。如果是官方 Bug（社区同期大量反馈），只能等官方修复——历史上三次重大降智都在 4–15 天内被修复或回滚。

问：Opus 5 和 Fable 5 哪个更稳定？

答：目前都没有完全稳定：Fable 5 会话撞上过 effort 刻度实验，Opus 5 被官方承认输出稳定性波动。差异在于 Opus 5 定价约为 Fable 5 的一半且是 Claude Max 默认模型，而 Fable 5 综合能力更强。追求稳定输出的关键任务，建议两个模型交叉验证，或多轮取样。

问：遇到降智可以要求补偿吗？

答：可以预期但有不确定性。2026 年 4 月的降智事件中，Anthropic 重置了所有用户的使用额度作为补偿。不过有网友指出重置有时与正常的周期重置重合，实际价值有限。如果降智影响了付费订阅的核心使用，可通过官方渠道反馈。

总结

回到最初的问题：Claude Opus 5 降智了吗？

降智是真的，官方也已承认——但它不是一个简单的「模型被调笨了」的故事，而是三个框架层 Bug、一场不透明的 A/B 测试、一个稳定性待修复的新模型，外加跑分与体感长期脱钩，共同演出的一场罗生门。

对普通用户，记住三件事就够了：

1. 先自测再下结论——固定题目、查版本、看日志，区分官方问题和自身问题；
2. 别把鸡蛋放在一个模型里——关键任务准备备选模型，这也是 4 月事件后 HN 评论区里被重复最多的一句忠告；
3. 盯官方动态——Anthropic 的 postmortem 透明度在业内算好的，修复通常以天为单位推进。

本文会随事件进展持续更新。更多 AI 工具的深度评测与教程，欢迎收藏 XIA345 AI 指南 栏目。

参考来源：

• Anthropic 官方复盘：A postmortem of three recent issues
• Anthropic 官方：Claude Opus 5 发布页
• Hacker News 讨论：相关帖子
• 新智元 / 36 氪（2026-08-24）、机器之心（2026-04-24）、量子位（2026-04-25）相关报道