新智元报道
【新智元导读】换更大的模子就即是更智慧？？这可能是Claude Code用户最深的误会。。。。许多人为此一起换到最贵的Fable，，，，克日，，，，Anthropic，，，，亲手澄清了这个误区。。。。
你有没有过这种时刻：Claude Code写代码写砸了，，，，第一反映，，，，就是赶忙换个更强的模子。。。。
但这一招，，，，许多时间并不管用，，，，甚至是在白花钱。。。。
克日，，，，Anthropic官方发了一篇长文专门来讲这件事。。。。
因由是太多人把Claude Code里的两个选项搞混了：
一个是模子选择（Model），，，，一个是起劲度（Effort）。。。。
已往，，，，各人对这两个选项的明确都很简朴：换更大的模子，，，，AI就更智慧；；；把Effort调高，，，，无非是让AI多想一会儿。。。。
而就在今年3月，，，，这个误会还惹出了一场不小的杂乱。。。。
其时，，，，不少开发者发明，，，，手里的Claude Code突然「变笨」了。。。。该读的文件不读，，，，该跑的测试不跑，，，，使命干到一半就撂挑子，，，，反过来问你要更多信息。。。。
于是，，，，GitHub上骂声一片。。。。
最狠的一刀来自AMD的AI认真人Stella Laurenzo。。。。
她在GitHub上翻出6852个会话的日志，，，，实测Claude的思索量比2月之前掉了67%，，，，撂下一句：
Claude已经没法被信任，，，，去干重大的工程活了。。。。
早先，，，，各人还以为是自己的提醒词没写好，，，，或者那里设置错了。。。。折腾半天才恍然大悟：问题基础不在自己身上，，，，是Anthropic悄悄改了一个设置。。。。
3月4日，，，，为了压低延迟，，，，他们把Claude Code里的Effort选项，，，，默认档位从high降到了medium。。。。
官方更新日志里也写了，，，，可大大都人并没注重到，，，，他们只是感受到，，，，手里的模子无缘无故似乎变蠢了。。。。
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。。。。
而大都人这时才知道，，，，这个开关一直就在自己手边，，，，它在漆黑决议着：AI究竟肯不肯为你满血干活。。。。
Model换的是脑子
Effort换的是态度
Anthropic官方的拆解，，，，可以简朴总结为这样一句话：
Model换的是脑子，，，，Effort换的是态度。。。。
先说Model，，，，它换的是脑子。。。。
每个模子背后是一套「冻结的权重」，，，，它的能力和知识，，，，在训练竣事那一刻就被焊死了：只读、不可改。。。。
这意味着，，，，你推理时喂进去的提醒词、CLAUDE.md、贴进上下文的代码，，，，全都改变不了它的这套权重：你可以指导它，，，，却没法「训练」它。。。。
换模子，，，，实质就是换一整套权重来接你的活，，，，以是它解决的是「会不会」的问题。。。。
一个在模子训练时还不保存的库，，，，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，，，，模子自己一个字都没记着，，，，转头就忘。。。。
它无意会一本正经地挪用一个基础不保存的API，，，，也是统一个原理。。。。那并非查漏了，，，，是权重照着训练里的老套路，，，，硬拼出一串工具。。。。
再往底层看一眼，，，，就更清晰了。。。。你写的const x = await fetch，，，，在模子眼里先被切成一个个token，，，，每个换成词内外的一个数字。。。。
你写的一行代码，，，，被切成token后各自对应词内外的一个整数：const是1078，，，，await是2597，，，，词表约10万个。。。。模子拿到的历来不是文字，，，，是这串数字。。。。（图源：Anthropic官方博文）
模子不是一口吻吐出整段谜底的。。。。它一次只展望一个token，，，，接上去，，，，再把整串重新算一遍，，，，展望下一个。。。。一段两百个token的回复，，，，就是两百次完整的运算。。。。
你等的时间、你烧的钱，，，，大头全在这个循环里。。。。
再说Effort，，，，替换的是「态度」。。。。
许多人以为高Effort就是「多想几秒」，，，，错了。。。。
它管的是Claude在这次使命上究竟投入几多事情量：读几个文件、跑不跑测试、要不要特殊验证、要不要把一个多方法使命一起推究竟再回来找你。。。。
说白了：低Effort的Claude，，，，倾向于快速回复，，，，然后反过来问你要更多上下文，，，，能不下手就不下手；；；高Effort的Claude，，，，倾向于自己去翻信息、多调一再工具、一口吻把长使命链跑完。。。。
Effort在Claude Code里分成好几档，，，，别把它当成一条死板的token预算线。。。。
它是个行为信号，，，，告诉Claude这活得干到多彻底、多有掌握才算完，，，，文本回复、工具挪用、扩展思索，，，，全在它的统领规模里。。。。
官方还放了一张示意图：统一条prompt，，，，高Effort能比低Effort多吐约莫7倍的token。。。。多出来的那些，，，，全花在读文件、跑验证、重复确认上了。。。。
统一条prompt，，，，高Effort路径天生的token约为低Effort的7倍，，，，多出的全花在读文件、跑验证、重复确认上。。。。（图源：Anthropic官方博文）
这里藏着一个反直觉的结论：小模子开高Effort，，，，完全可醒目翻大模子开低Effort。。。。
照旧不敷起劲
知道了分工，，，，真正有用的，，，，是官方给的那套判断框架。。。。
官方判断框架：Claude做错了，，，，先问它是不敷智慧照旧不敷起劲，，，，再决议换模子照旧加Effort。。。。（图源：Anthropic官方博文）
Claude干砸了，，，，先别急着动模子选项。。。。
第一步永远是转头查上下文：prompt说清晰了吗？？该给的工具给了吗？？CLAUDE.md配对了吗？？大大都所谓「AI变笨」，，，，根子都在这儿，，，，不在模子选项上。。。。
上下文确实没问题、它照旧错，，，，就问自己一句：它是不会，，，，照旧不敷起劲？？
「不敷起劲」，，，，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，，，，可以往上调一档。。。。
若是「不会」，，，，则是另一种情形：你上下文给足了，，，，它也显着起劲了，，，，可照旧错，，，，换个说法再试一遍照旧错。。。。
这时间任你怎么加Effort都白搭，，，，这是模子的事：就要换更强的。。。。
官方还打了个特殊好懂的例如。。。。
Sonnet，，，，是个有一整个下昼的万能选手。。。。
它会把你的代码重新读到尾，，，，跑一遍、再验一遍，，，，最后是真把你这摊活儿吃透了。。。。
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履历，，，，见过的坑、该绕的雷，，，，全是解过一堆同类问题攒下的直觉。。。？？晌宸种泳湍敲吹闶奔，，，，只够它扫一眼，，，，不可扫遍所有文件。。。。
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误差。。。。
虽然，，，，这位专家每个token也最贵，，，，得留给真正没人能接的硬骨头。。。。
以是才有谁人反知识的结论：
一个Sonnet开高Effort，，，，在不少活儿上真醒目过Opus开低Effort。。。。小模子配上富足上下文和高投入，，，，能扛下的事比你想象的要多得多。。。。
长使命、多方法活上，，，，Fable拉开最大差别，，，，官方测试里有些使命Opus和Sonnet开到任何Effort都够不着。。。。（图源：Anthropic官方博文）
卷完模子排行榜
给AI派活成了硬手艺
这篇官方解读，，，，外貌上是教你调参，，，，背后是一个主要的转向：
AI编程的竞争，，，，正在从「谁的模子更强」，，，，转向「谁更会调理智能体」。。。。
已往很简朴，，，，人挑一个最强的模子，，，，剩下的全交给它。。。。
现在纷歧样了。。。。你得像个项目司理那样，，，，给差别的模子派差别的角色、定差别的投入档位：
简朴的改动交给Sonnet挂低档，，，，秒回还省钱；；；大型重构上强模子加高等；；；要长时间自己跑的智能体使命，，，，强模子配足Effort。。。。
这些操作，，，，不但能把活干得更好，，，，省下来的，，，，都是真金白银的token账单。。。。
Claude Code的Effort菜单里多出的那档ultracode，，，，就是把这套「调理」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步队，，，，把使命拆下去并行干。。。。
转头看3月那场「变笨」风浪。。。。
它能惊动整个社区，，，，恰恰由于大大都人还停在「换模子」的老思绪里，，，，敌手边这个更要命的Effort选项浑然不觉。。。。
只看模子排行的时代正在已往，，，，调理模子，，，，正在成为焦点手艺。。。。
谁先学会给AI派活，，，，谁就能争先一步，，，，用上谁人真正肯为你认真的Claude。。。。否则，，，，你手里再贵的模子，，，，也执偾一个更贵的搜索框。。。。
这样，，，，你烧的每一分token，，，，才算真花在了刀刃上。。。。
参考资料：
https://claude.com/blog/claude-model-and-effort-level-in-claude-code
https://x.com/ClaudeDevs/status/2074900291062034618?s=20
https://platform.claude.com/docs/en/managed-agents/multi-agent
编辑：元宇
