AI会变笨，但问题不在模型
今年3月，Claude Code突然「变笨」了。
该读的文件不读，该跑的测试不跑，任务干到一半撂挑子，反过来问你要更多信息。GitHub上骂声一片。最狠的一刀来自AMD的AI负责人Stella Laurenzo——她翻出6852个会话的日志，实测Claude的思考量比2月之前掉了67%，撂下一句：Claude已经没法被信任去干复杂的工程活了。
折腾半天，大家才恍然大悟：问题不在模型，在Anthropic悄悄改了一个设置——把Effort默认档位从high降到了medium。
一个下拉菜单里的选项，能让整个开发者社区觉得模型「变笨了」。这件事比它看起来要严重得多。
因为大多数人——包括很多重度用户——根本不知道自己手边有这个开关。
一、那场持续了一个月的「变笨」风波
3月4日，为了压低延迟，Anthropic把Claude Code里Effort选项的默认档位从high调到了medium。
官方更新日志里写了。可大多数人没注意到。他们只是感觉到，手里的模型无缘无故变蠢了。
用Claude Code做复杂重构的开发者受害最深。平时几句话就能搞定的任务，现在Claude开始反复问「上下文呢？」「这个文件在哪？」「你要我做什么？」——活没干多少，token先烧了一堆。
扛了一个月，Anthropic才在4月7日把默认档位调回去，还给所有订阅用户重置了一次用量额度。多数人这时才知道：这个开关一直就在自己手边，它在暗中决定着AI到底肯不肯为你满血干活。
一个默认值的改动，能惊动整个社区。这恰恰说明，大多数人还停在「换模型」的老思路里，对手边这个更要命的Effort选项浑然不觉。
二、Model换的是脑子，Effort换的是态度
Anthropic官方的拆解，可以浓缩成一句话：Model换的是脑子，Effort换的是态度。
Model——换的是脑子。每个模型背后是一套冻结的权重，它的能力和知识在训练结束那一刻就被焊死了。换模型，本质就是换一整套权重来接你的活。它解决的是「会不会」的问题。
一个在模型训练时还不存在的库，你把文档整篇喂给它，它能现学现用——可那只对这一次请求管用，模型本身一个字都没记住，转头就忘。
Effort——换的是态度。很多人以为高Effort就是「多想几秒」，错了。它管的是Claude在这次任务上到底投入多少工作量：读几个文件、跑不跑测试、要不要额外验证、要不要把一个多步骤任务一路推到底再回来找你。
低Effort的Claude，倾向于快速回复，然后反过来问你要上下文，能不动手就不动手。高Effort的Claude，倾向于自己去翻信息、多调几次工具、一口气把长任务链跑完。
官方放了一张图：同一条prompt，高Effort能比低Effort多吐大约7倍的token。多出来的那些，全花在读文件、跑验证、反复确认上了。
这里藏着一个反直觉的结论：小模型开高Effort，完全可能干翻大模型开低Effort。
三、「不够聪明」还是「不够努力」——一个可复用的判断框架
知道了分工，真正有用的是官方给的那套判断框架。
Claude干砸了，别急着动模型选项。第一步永远是回头查上下文：prompt说清楚了吗？该给的工具给了吗？CLAUDE.md配了吗？大多数所谓「AI变笨」，根子都在这里，不在模型选项上。
上下文确实没问题、它还是错，就问自己一句：它是不会，还是不够努力？
「不够努力」很好判断：该读的文件跳过了、测试没跑、重构干到一半跑回来问你——它缺的不是脑子，是投入。这是Effort的事，往上调一档就好。
「不会」则是另一种情形：你上下文给足了，它也明显尽力了，可还是错，换个说法再试一次还是错。这时候任你怎么加Effort都白搭。这是模型的事，得换更强的。
官方打了个特别好懂的比方：
- Sonnet——是有一整个下午的全能选手。它会把你的代码从头读到尾，跑一遍、再验一遍，真把你这摊活儿吃透。
- Opus——是只给你五分钟的专家。它带来的是你代码库里压根没有的经验——见过的坑、该绕的雷。可五分钟只够它扫一眼，不能扫遍所有文件。
- Fable——是所有人都卡住了才请得动的专科。哪怕只给五分钟，它也能一眼揪出别人谁都没看出的那处毛病。当然，每个token也最贵。
这个框架的价值，不止于Claude Code。它适用于任何一种AI工具——甚至适用于你团队里的任何人。
四、推演：不只是AI编程，是所有AI协作
这套「脑力vs态度」框架，一旦尝到甜头，你就会发现它到处都好用。
在企业AI部署里，很多公司抱怨「GPT不好用」「Claude输出质量不稳定」。十次里有八次，问题不在模型——是prompt写得太敷衍，是上下文没给够，是AI被要求「快速回复」而不是「认真干活」。他们犯的是同一个错误：默认所有任务都需要最强的模型，却从没想过不同任务需要不同的投入度。
在个人使用场景里，一个常见的误区是：写一封简单的邮件也要用最强的模型。这就像用Fable帮你写「明天见」——花了大价钱，效果和Sonnet没区别。简单的改动交给Sonnet挂低档，秒回还省钱；大型重构上强模型加高档；要长时间自己跑的智能体任务，强模型配足Effort。
在管理AI Agent的场景里，Claude Code的Effort菜单里多出的那档ultracode，就是把这套「调度」做进了产品。选中它，Claude拿到的是xhigh的火力，外加一项授权：遇到实质性的活儿，自己掂量要不要拉起一支智能体队伍，把任务拆下去并行干。这不是一个「更努力的设置」——这是一个「允许你当项目经理」的授权。
这些东西，放在一起看，指向同一个判断：AI编程的竞争，正在从「谁的模型更强」，转向「谁更会调度智能体」。
过去很简单，你挑一个最强的模型，剩下的全交给它。现在不一样了。你得像个项目经理那样，给不同的模型派不同的角色、定不同的投入档位。这些操作不仅能把活干得更好，省下来的都是真金白银的token账单。
五、落到行动：给AI派活的三条原则
看完这些，你不需要记住复杂的配置项。只需要带走三条行动原则：
- 先查上下文，再怪模型。大多数「AI变笨」是因为你没给它足够的上下文，不是模型不行。prompt清晰、工具配齐、CLAUDE.md写对——这三点做好了，AI的表现在多数任务上能提升一个档次。
- 小模型+高投入 > 大模型+低投入。一个Sonnet开高Effort，在很多活儿上真能干过Opus开低Effort。别为了安心就无脑上最贵的模型。先问自己：这活儿是「不会」还是「不够努力」？
- 把最贵的模型留给最难的问题。Fable这样的顶级模型，只应该在所有人都卡住了才请出来。日常编码用Sonnet高Effort，中大重构用Opus中高Effort，只有那种所有人都看不穿的疑难杂症，才值得动用Fable。这样烧的每一分token，才算花在了刀刃上。
只看模型排行的时代正在过去。调度模型，正在成为核心手艺。谁先学会给AI派活，谁就能抢先一步用上那个真正肯为你卖力的Claude。否则，你手里再贵的模型，也只是一个更贵的搜索框。
参考资料：
Anthropic官方博文：Choosing a Claude model and effort level in Claude Code
ClaudeDevs on X
Claude Platform Docs: Multi-Agent
Claude Code Changelog