Claude Code 实验悄悄重映射了 Fable 5 的思考强度档位，Anthropic 已确认
A/B 测试在无声之中改变了 Claude Code 里 Fable 5 会话「high」强度所对应的数值
一位开发者花了整整一个下午，确信自己的代码坏了：检查了 t3 框架，审了一遍应用逻辑，甚至开始怀疑是不是自己的 Mac 出了问题。等到终于翻出 Claude Code 的原始 API 请求日志，答案才浮现 —— 一个数字：10，而预期中本该高得多。当时选的是「high」强度，也就是 Claude Code 模型选择器里 Claude Fable 5 的最高命名档位。日志里那个数字，恰恰是历来对应「low」的那一个。
这个发现由开发者 @argofowl 于 8 月 22 日发到 X 上，随后促使 Anthropic Claude Code 团队成员 Thariq Shihipar 公开承认：公司一直在跑一个服务端 A/B 实验，改变了强度选择在抵达推理层之前被翻译成数值的方式。该实验影响的是 Claude Code 2.1.236 及之后版本上的 Fable 5 会话。使用旧版本的用户，以及使用 Claude Opus 5 的用户，都不在实验之列。
强度参数究竟在做什么 —— 以及它为什么要紧
强度参数 —— 在 API 中即 Fable 5 的 output_config.effort —— 如今是用户在推理时唯一能控制推理深度的手段。早先的 Claude 模型会暴露 budget_tokens 和 temperature 供开发者直接调节，而 Fable 5 把这些杠杆全部取消了。思考无法关闭。温度无法设定。命名的强度档位 —— low、medium、high、xhigh、max —— 是仅剩的那个旋钮。
在服务端，Anthropic 会在推理引擎执行请求之前，把每个命名档位映射成一个数值分数。argofowl 发现的这个实验改动的正是这层映射：一个以「high」提交的请求，抵达推理层时带的标记是 10 —— 而在此前的实现里，这个值对应的是「low」。
Shihipar 的回应在技术上是精确的。按照他在 X 上的说法，实验中改变的是数值刻度本身，也就是说新刻度下的「10」并不等同于旧刻度下的「10」。他主张，带标签的档位仍然对应模型算力曲线上的同一个点，而且他的团队跑过内部评测，确认没有性能影响。
开发者做不到的，是从外部验证这一点。API 日志是他们能拿到的最客观的信号。当那个数字与更低档位所对应的值相同时，要区分「真实的行为变化」与「无害的数值重映射」，要么选择相信 Anthropic 的说法，要么就得像 argofowl 那样，做一次耗掉整个下午的排查。
早于这次事件的一种模式
这次强度实验没有出现在 Claude Code 的更新日志里。2026 年 4 月，Anthropic 曾发布一份详细的工程复盘，承认了此前六周内三起独立的 Claude Code 质量事件 —— 其中一起与这次直接类似。3 月 4 日，公司为降低延迟，把 Claude Code 的默认推理强度从 high 改成了 medium，却没有把它标记为实质性的行为变更。用户察觉了，抱怨了，Anthropic 于 4 月 7 日回滚了这项改动，并把当初的决定形容为「错误的取舍」。
那份 4 月的复盘承诺了更宽的评测套件、渐进式发布，以及对提示词改动更严格的管控。而这次的强度重映射发生在三个月之后，同样没有留下更新日志条目。
2026 年 6 月下旬还有另一桩事：Anthropic 承认 Claude Code 一直在对请求施加隐藏的隐写术式改动，用来检测竞争对手未经授权的模型蒸馏 —— 同样是在一位开发者通过检查发现它之前，从未对外披露。
每一起事件都涉及一次服务端改动，改的是 Claude Code 实际的行为，而更新日志里没有反映。这个模式描绘出的，是一家公司在决定是否正式发布之前，先拿生产环境的用户跑重要的配置测试 —— 这是标准的工程做法，但当被测试的这份「配置」主宰着一位开发者的整个编程工作流时，它就制造出一个结构性的信任问题。
Opus 5：另一个更大的不稳定问题
这次强度实验落在了一波持续的批评声中，批评的对象是 2026 年 7 月 24 日发布的 Claude Opus 5。Anthropic 发布它时带着漂亮的评测成绩，单 token 成本约为 Fable 5 的一半，但实际使用者的反响要冷淡得多。
开发者反映，这个模型会把小任务当成高严重级别的问题来处理，对一个很窄的问题给出漫无边际的回答，还会越出提示词的范围擅自行动。Every 的联合创始人兼 CEO Dan Shipper 在发布当天写道，Opus 5「会跟指令争辩，工作没做完就停下，而且总体上跟我们现有的 skills 和插件配合不好」。一位知名风险投资人公开称它在真实世界的调试场景里几乎不可用。一位开发者在 Claude Code 仓库提了GitHub issue #84002 —— 那是一篇数千字的技术记述，讲的是在一套多智能体工作流中始终无法让 Opus 5 专注于任务 —— 结论是根因需要 Anthropic 去修一个用户根本够不着的地方，最终这位开发者退订了多个 Claude 订阅方案。
Anthropic 的状态页记录了 Claude Opus 5 在 8 月 5 日、以及 8 月 17 日和 18 日的多起性能降级事件 —— 这些是基础设施故障，与行为层面的抱怨性质不同，但同样加深了「这是一次不稳定的发布」的印象。
Shihipar 承认了这个问题。他在 X 上回应用户批评时写道：「Opus 5 确实是个忽高忽低的模型，而我们希望自己的模型稳定、温暖、有 Claude 的感觉。我们正在为此努力，这对我们是极高的优先级。」公司尚未公布解决该问题的时间表。
AI 供应商尚未解决的基础设施信任问题
这两件事都指向一个并非 Anthropic 独有的结构性缺口。评测 —— SWE-bench、Terminal-Bench、ARC-AGI-3 —— 衡量的是受控条件下的有界任务。它们完全说明不了：一个模型在长达 40 分钟的自主编程运行中会不会始终如一地遵循意图，或者它的强度档位这周是否还和上周意味着同一件事。开发者的日常工作需要的是一种行为上的不变性，而评测从设计上就不是用来测这个的。
在传统软件里，更新日志让「到底改了什么」这个问题变得可查。Claude Code 有更新日志，但它不覆盖服务层的配置实验。开发者在选择器里选中的那个模型并不是一件固定的成品；它是一个指向服务端基础设施的命名指针，而 Anthropic 可以按会话、按流量分段随时重新配置它，客户端那边看不到任何动静。
随着 Claude Code 成为越来越多生产工作流的基础设施，这道更新日志的缺口正在变成一项负债。4 月那份复盘表明 Anthropic 明白这一点，并且已经着手处理 —— 它作出的承诺是真实的。而这次的事件表明，那些承诺圈定的改动范围，比开发者真正在意的那一圈要窄。无论这次强度实验最终成为永久性的刻度变更还是被回滚，更长久的问题是：Anthropic 会不会把更新日志的覆盖范围延伸到服务端配置层 —— 也就是眼下这个可观察行为可以悄然改变、却不给开发者留下任何可查痕迹的地方。