Anthropic近日发文解释Claude Code里最常被误解的两个选项：Model和Effort。官方给出的结论很直接，换模型不等于问题就能解决，很多用户感受到的“Claude变笨”，根子并不在模型本身，而在任务投入强度的设置上。
这篇说明发布前，不少Claude Code用户习惯把“换更大的模型”当成默认解法。Anthropic称，很多人把模型选择与努力度混为一谈：Model被理解成“更聪明”，Effort则被看成只是“多想一会儿”。官方这次专门拆开说明，认为两者解决的是两类完全不同的问题。
3月默认档位调整引发“变笨”争议
Anthropic提到，今年3月，开发者社区曾集中抱怨Claude Code表现下滑。用户反馈包括该读的文件不读、该跑的测试不跑、任务做一半停下来反问更多信息等。
GitHub上的批评很快升温。AMD的AI负责人Stella Laurenzo在GitHub上统计了6852个会话日志，称Claude的思考量较2月前下降了67%，并表示Claude已无法被信任去处理复杂工程任务。
Anthropic称，问题源于一次默认设置调整。3月4日，为了降低延迟，Claude Code将Effort默认档位从high下调到medium。虽然这一变化写进了更新日志，但很多用户并未注意到，只直观感受到模型“变笨”了。直到4月7日，Anthropic才把默认档位调回，并为所有订阅用户重置了一次用量额度。
Model决定能力边界，Effort决定投入强度
Anthropic把两者的区别概括为：Model换的是“脑子”，Effort换的是“态度”。
在官方说明里，Model对应一套冻结的权重。模型能力和知识在训练结束时已经固定，推理阶段输入的prompt、CLAUDE.md和上下文代码都无法改变这套权重，只能引导它在当前请求里如何使用已有能力。所以，换模型本质上是在更换一整套权重，解决的是“会不会”的问题。
官方举例称，一个在模型训练时尚不存在的库，即便把文档整篇输入给模型，它也只是这一次请求里现学现用，请求结束后并不会真正记住。模型偶尔一本正经调用不存在的API，也属于同一类问题：并非临时漏查，而是权重按训练中已有模式拼出了并不存在的内容。
Anthropic还解释了更底层的处理方式。用户写下的一段代码，比如“const x = await fetch”，在模型眼里会先被拆成token，再映射成词表中的整数。官方文中提到，像const对应1078，await对应2597，词表规模约10万个。模型接收的不是原始文字，而是这些数字序列；生成回答时，也不是一次性输出整段内容，而是逐个预测token，一段约200个token的回复，意味着要进行约200轮完整计算。
高Effort不只是“多想几秒”
Anthropic称，很多用户对Effort的理解也不准确。它控制的不是简单的等待时长，而是Claude在一次任务中愿意投入多少工作量，包括读多少文件、是否运行测试、要不要额外验证，以及是否把一条多步骤任务链一路执行完再回来。
低Effort下，Claude更倾向快速回复，并反过来索要更多上下文；高Effort下，它更倾向自己翻查信息、增加工具调用次数，并把更长的任务链尽量做完。官方强调，Effort不是一条死板的token预算线，而是一个行为信号，覆盖文本回复、工具调用和扩展思考。
Anthropic在文中给出了一张示意图：同一条prompt下，高Effort路径生成的token量大约是低Effort的7倍，新增token主要消耗在读文件、跑验证和反复确认上。
先判断“不会”还是“不够努力”
基于这一区分，Anthropic给出了一套判断框架。Claude把任务做错时，不应先急着切换模型，而是先回头检查上下文：prompt是否说清楚了、工具是否齐全、CLAUDE.md是否匹配。官方认为，很多所谓“AI变笨”的情况，真正的问题都出在这里。
如果上下文没有问题，再判断它到底是“不会”还是“不够努力”。“不够努力”通常表现为跳过该看的文件、不跑测试、重构做一半就回来提问。这时缺的不是能力，而是投入，应该上调Effort。
另一种情况是“不会”：上下文已经给足，模型也明显尽力，换个说法再试还是做错。这类问题继续提高Effort也没有帮助，需要换更强的模型。
Sonnet、Opus、Fable分工不同
Anthropic还用一个比喻说明不同模型的差异。官方把Sonnet形容为“有一整个下午的全能选手”，会把代码从头到尾读完、跑一遍、再验一遍；Opus像“只给你五分钟的专家”，带来的是代码库里没有的经验和对同类问题的判断，但时间有限，未必能扫遍所有文件；Fable则像“所有人都卡住后才会请来的专科”，即便时间不长，也能更快抓到别人没发现的问题。
Anthropic称，这也带来一个反直觉的结论：在不少任务上，开高Effort的Sonnet，可能胜过开低Effort的Opus。官方测试还显示，在长任务和多步骤工作中，Fable能拉开更明显差距，一些任务里，Opus和Sonnet即便提高到任何Effort档位也无法达到同样结果。
Claude Code把“调度”做进了产品
Anthropic认为，这场围绕“Claude变笨”的争论，背后反映的是AI编程使用方式的变化：竞争焦点正从“谁的模型更强”，转向“谁更会调度智能体”。
按官方的说法，用户不再只是挑一个最强模型交给它所有任务，而是要像项目经理一样，为不同任务匹配不同模型和不同投入档位。简单改动可以交给Sonnet并挂低档，大型重构则可以配更强模型和更高Effort，需要长时间自主运行的智能体任务，也要给足Effort。
Claude Code的Effort菜单里新增的ultracode档位，也体现了这一路线。Anthropic称，选择这一档后，Claude会获得xhigh级别的投入强度，并在遇到实质性任务时，自主判断是否拉起一支智能体队伍，把任务拆分后并行处理。
从Anthropic这次解释来看，3月那场风波之所以迅速发酵，原因之一就是大量用户仍停留在“出问题就换模型”的思路上，而忽视了更直接影响执行质量的Effort选项。
参考信息
- Anthropic博客：https://claude.com/blog/claude-model-and-effort-level-in-claude-code
- X账号信息：https://x.com/ClaudeDevs/status/2074900291062034618?s=20
- Anthropic文档：https://platform.claude.com/docs/en/managed-agents/multi-agent
本文提到，原文来自微信公众号“新智元”，作者为“ASI启示录”，编辑为“元宇”。