用户发现Anthropic在Claude Code 2.1.236+版本中悄悄进行A/B测试，将“高”努力值实际设为10/100（相当于以前的“低”），导致模型表现变差，且更新日志未说明，用户误以为自己的代码或应用出问题。

更新：这是服务器端的问题，而非应用程序本身。Anthropic 将 Claude Code 2.1.236 及以上版本的 fable 5 会话纳入了一项实验，该实验缩小了努力程度的范围，而旧版本和 opus 5 则保持不变。这很可能是一个 A/B 测试，因此并非所有人都会看到这一变化。如果你觉得“高”努力程度感觉像“低”，那么你就属于测试组。天哪，Anthropic，你们有时真让人受不了。

如果本周 fable 感觉变笨了，那不是你的问题。自 2.1.237 版本起，模型将“高”努力程度解读为 100 分中的 10 分，这恰好是过去“低”努力程度对应的数值，而更新日志中对此只字未提。我花了整个下午的时间，确信是 t3 代码和我自己的应用程序出了问题，直到后来才发现真相。

根据评论内容，总结如下：

主要观点与论据：

1. 模型行为异常与成本问题（评分：无，多位用户支持）

   • 用户反映Opus 5在处理简单任务时过度消耗资源，如一个配置文件更新任务耗时43分钟，远超预期（评论3）。
   • 子代理在简单任务上消耗大量token（评论4）。
   • 用户认为模型“话多”导致成本增加，建议使用低推理模式（评论6）。

2. 对Anthropic的信任危机（评分：无，多位用户支持）

   • 用户因模型表现差、客服无响应而取消订阅（评论15、17、20）。
   • 有用户转向OpenAI Codex或其他模型（评论9、10、13）。
   • 用户批评Anthropic“在建造一个人，而非工具”（评论15）。

3. 计费模式不透明（评分：无，多位用户支持）

   • 用户质疑基于token的计费模式，认为应基于实际资源使用（评论11）。
   • 用户指出公司有动机通过注入提示、改变默认设置等方式增加消费（评论23）。

4. 官方回应与争议（评分：无，来自Thariq的更新）

   • Anthropic官方解释称，测试中的API配置映射了不同的数值，但用户选择的努力级别是有效的，不影响性能（评论22）。
   • 部分用户对此不买账，认为模型行为存在明显退化（评论18、19）。

平衡性总结： - 支持方：官方声称测试配置不影响性能，用户选择的努力级别有效。 - 反对方：大量用户报告模型行为异常、成本激增、客服体验差，并质疑计费模式不透明。

关键引用（保留中英文）： - “Opus 5 Result: 43 minutes of pulling containers, running sandboxes, creating testing suites...”（评论3） - “I’ve cancelled my Claude sub... I have no desire to engage with a non-human somehow managing to speak down to you”（评论15） - “We sometimes test API serving configs... the effort you selected is the effort you're getting”（评论22）