AI变笨了？别急着怪模型，问题可能出在你根本没搞懂一个开关。
近日，Anthropic官方发文澄清了一个长期困扰开发者的问题：很多用户抱怨Claude Code“越用越笨”，实际上并非模型能力下降，而是他们混淆了两个截然不同的选项——Model（模型选择）与Effort（努力度）。
“变小”的Effort，引爆了一场信任危机
今年3月，一场“Claude变笨”的集体投诉在GitHub上爆发。开发者们发现，手里的Claude Code突然开始“偷懒”——该读的文件不读，该跑的测试不跑，任务执行到一半就停下来，反过来问更多问题。一时间，网上的骂声铺天盖地。
最尖锐的质疑来自AMD的AI负责人Stella Laurenzo。她翻出6852个会话的日志，实测后发现Claude的“思考量”较2月之前暴跌了67%。这位技术大牛直言：Claude已经无法在复杂工程任务中被信任。
起初，大多数人以为是自己的提示词写得不够好，或是某个配置出了差错。折腾了整整一个月，大家才发现真相：问题根本不在用户身上，而是Anthropic在3月4日悄悄做了一次调整——为了压低延迟，他们把Claude Code里名为Effort（努力度）的选项，从默认的“high”降到了“medium”。官方更新日志里确实有记载，可惜绝大多数人根本没看到。等到4月7日，Anthropic迫于压力又把默认值调回去，并给所有订阅用户重置了一次用量额度，这场风波才算勉强平息。
它恰恰说明了一个让人又气又醒的事实：那个改变AI“态度”的开关，一直就在你的手边，只是你从未真正理解过它。
Model换的是脑子，Effort换的是态度
Anthropic官方的拆解，其实一句话就能说清：Model决定模型“会不会”，Effort决定它“愿不愿意”。
先说Model。模型的核心是一套“冻结的权重”——它的能力和知识，在训练结束那一刻就被固化下来，只读、不可改。你喂进去的任何提示词、代码或文档，都无法“训练”它，只能“引导”它。
这意味着：换模型，本质上就是换一整套权重来接你的活。它解决的是“会不会”的问题。比如，一个在模型训练后新出现的库，你把文档整篇塞给它，它能现学现用——但那仅限于这一次请求。模型本身一个字都没记住，转头就忘。
更深层的原因在于模型的工作方式：你写的每一行代码，在模型眼中都会被切分成一个个“token”，每个token对应一个数字。模型不是一口气吐出整段答案，而是一次只预测一个token，接上后再重新计算一遍，再预测下一个。一段200个token的回复，背后可能是200次完整的运算。你等待的时间、你花掉的算力，大头全都落在这个循环里。
再看Effort。它换的其实是“态度”。很多人以为调高Effort就是“让模型多想几秒”——错得离谱。
Effort管辖的是Claude在执行任务时愿意投入多少工作量：读几个文件？跑不跑测试？要不要额外验证？是否要把一个长任务链一路推到底，而非半途停下来问你要上下文？
Anthropic放出了一张示意图：同一段prompt，高Effort模式生成的token数量，是低Effort模式的7倍以上。多出来的那些token，全都花在读文件、跑验证、反复确认上。而低Effort的Claude，倾向于快速给个答案，然后反过来问你要更多信息，能不动手就绝不动手。
从这里能得出一个极为反直觉的结论：小模型配高Effort，完全可能干翻大模型配低Effort。
不会，还是不够努力？
那问题来了：当你的Claude写砸了，该怎么判断到底是“它不会”，还是“它不够努力”？
Anthropic给出了一套简单实用的判断框架。如果AI频繁调用不存在的API、语法上低级错误连连、或者逻辑上一本正经地胡说八道，那大概率是模型本身的知识储备不足，该换个大一点的模型。反之，如果它拒绝读你指定的文件、只执行一步就向你讨要更多指示、或者在报错后直接放弃而不是尝试修复——那就不是能力问题，而是它被设成了低Effort模式，根本“懒得”深入。
这个区分极为重要。太多人花冤枉钱去升级更贵的模型，结果发现AI的表现并没有变好。实际上，只要适当调高Effort设置，即便在同一甚至更小参数的模型上，也能获得远超预期的表现。
行业启示：能力的上限，不如意愿的下限
这件事给整个AI应用设计敲响了一记警钟。过去，我们习惯于把模型当作一个“黑盒”，遇到问题就找“更强的模型”。但Anthropic揭开的本质是：对于一个已经足够强大的模型而言，它“愿不愿意”干活，比它“能不能”干活，对用户的实际体验影响更大。
更关键的是，Effort这种不可见参数，极其容易被忽略，却直接影响着用户对产品能力的感知。当开发者发现“换更大的模型”也解决不了问题时，他们要么认为自己提示词写得不好，要么干脆对产品失去信任。而真相往往只是一个默默降低了的默认值。
对于所有正在打造AI原生工具的公司而言，这是一个深刻的教训：技术能力和用户体验之间，隔着的不只是一行代码，还有对用户使用习惯的彻底理解。 像Effort这样的参数，其默认值的每一次变化，都会在用户心里真实地改写他们对“AI强弱”的感知。与其一味追求更大的模型，不如先把你能控制的“态度开关”调对。
AI可能还不够强，但至少它得先愿意努力。