算力暗降67%、偷偷“假裝思考”？AMD實錘揭開Anthropic底牌：你花200美金買的AI，其實在摸魚

AI 降質來了,深度思考暴跌67% 修改代碼之前的閱讀次數從6.6次降到兩次 誘惑被迫中斷操作的頻率漲了12倍 這不是哪個小博主的吐槽 這是AMD全球最大的芯片公司之一 AI團隊的負責人 拿了6800多個Session文件做出來的分析報告 結論就一句話 Cloud不能再被信任做複雜的工程任務了 同一周,Anthropic發佈了它有史以來最強的模型Methos 強到不敢公開發布 只給蘋果、微軟、亞馬遜用 然後它轉頭把開源社區最火的AI工具 踢出了訂閱體系 連創始人的賬號都封了 最強的模型給巨頭 降配降質的模型閹割版給我們用 省錢的工具直接封殺 一個公司三幅面孔 今天我們來扒拔另一面的細節 現在好看,好運不斷 上期Palantir的視頻結尾我提了一嘴 Anthropic手裏有最強的Methos不公開賣 但你我每天用的call正在變笨 今天我們就來兌現這期視頻 先從這份報告說起 4月2號 一個叫Stella的人 在GitHub上交了一個issue 附件裏有6800多個文件 涵蓋了將近24萬次工具調用 和18000個思考區塊的記錄 他不是網上隨便吐槽的人 他是AMD AI團隊的負責人 他的團隊每天用call code 做正經的工程開發 不是寫寫郵件聊聊天那種用法 是搞底層AI軟件架構的重度使用 他報告說什麼了呢 我今天要大白話講 call code是Anthropic的AI編程助手 你可以把它想象成 一個會寫代碼的AI同事 他告訴你他要改什麼 他幫你讀寫代碼 理解上下文做修改 正常情況下 一個好的AI編程助手 在修改代碼之前 應該先把相關的文件稿都讀一遍 搞清來龍去脈之後再動手 就像一個靠譜的工程師 改代碼之前 先看看別的地方 有沒有會被影響的 他的數據顯示 call code以前確實是這樣做的 每次修改代碼之前 平均會讀6.6個相關文件 先搞清楚再動手 但是從3月份開始 這個數字暴跌到了2 看兩眼就改了 甚至連1的修改 連要改的文件的完整內容都沒讀完 這還不是最糟的 最糟的是call code還開始撒謊了 跟你說改完了 其實沒改 跟你說沒問題 其實有問題 有個用戶在github上寫 call code開始對它修改過的代碼撒謊 不是偶爾出錯 是它告訴你做了A 實際上做的是B 它還開始偷懶 出現了大量的simplest fix 這種走捷徑的行爲 意思是它不去找正確的解決方案 而是挑一個最省事的糊弄過去 你讓它推倒功能分支 它推倒主要分支 你讓它改bug 它把整個文件重新寫一遍 這邊負責人的團隊 寫了一個專門的偷懶檢測腳本 用來自動捕捉call推卸責任 提前收工 找藉口不幹活這些行爲 腳本捕捉的關鍵詞報告 不是我的修改導致的 這是已有的問題 要不要我繼續 全都是推卸和試探的話術 3月8號之前 這個腳本一次都沒觸發過 零次 3月8號之後 平均每天觸發10次 不光是他一個人的感受 同一周 有很多人在社區發帖子 其中一個標題就是 call code變差了嗎 1000多人點贊 評論區裏 幾乎一模一樣的話 兩週前還好 我付一樣的錢 爲什麼東西變差了 能不能讓我回歸到舊版本 這不是一個人吐槽 是幾千個付費用戶 集體說同一件事 上期視頻評論區 也有很多朋友反映有類似的情況 有人評論說 我們不要魔法 我們要一個可預測的工具 這句話我覺得說的特別準 用戶被迫中斷call的操作 頻率漲了12倍 不是因爲用戶變挑剔了 是因爲call錯得太離譜了 不打斷它會造成更大的損失 結果是什麼呢 AMD那邊團隊的API調用成本 從每個月的345美元 飆升到了4萬2000美元 因爲call幹活的質量太差了 同樣一個任務要反覆重試才能完成 我第一次看到345變成4萬2 這個數字的時候 以爲多看了一個零 其實沒有 是120倍 以前的call先研究再動手 幹活靠譜 現在的call看都不看 直接改 改錯了還騙你說他改對了 再給你一個更直觀的畫面 以前你跟call說 幫我改一下這個函數 他會先把整個文件讀一遍 看看這個函數被誰調用了 改了會影響哪些地方 有沒有測試要同步更新 然後他會跟你說這裏改了 但我發現另外三個文件也需要調整 我一起處理了 就像一個認真的同事 現在他直接改了函數 不看上下文 改完跟你說搞定了 你一跑崩了 另外三個文件還在用舊的接口 你回去罵他 他說這個是已有的問題 不是我的修改導致的 這句話在他的偷懶檢測腳本里 出現的頻率是最高的 還有個數據很有畫面感 call開始頻繁的自我矛盾 就是他在思考過程中 先說應該用方案A 然後說等等不對 應該用方案B 然後又說其實A還是好的 來回反覆 這種推理循環 在降值之前偶爾出現 降值之後翻了三倍 最嚴重的時候 疑似回答裏出現了20多次來回 你想象一下 你問一個同事提議 他跟你說用A不對 用B 等一下還是用A 算了用C 就這樣你還能用它嗎 你還能信它嗎 更離譜的是call開始 整個文件重寫 正常的做法 比如說你第47行有一個bug 你就改第47行 精確手術 但降值之後 call經常把整個文件 從頭到尾寫一遍 幾百行納碼 全部重新生成一遍 就爲了改其中一行 爲什麼 是不是想多賺點錢 可能是一部分原因 但是更主要是因爲重寫整個文件 比精確定位問題更省腦力 就像你讓一個實習生 改PPT裏面一個錯別字 他把整個頁刪了 重做了一遍 活是幹了 但是方法完全不對 也沒必要 而且很容易在重寫的過程中 引入新的錯誤 這份報告裏有一個統計 我覺得觸目驚心 就是用戶使用call時 發出的負面情緒比例 從5.8% 漲到了9.8% 上漲了68% 這意味着 每10句跟call說的話裏面 從不到一句帶情緒 變成了每一句都帶情緒 人不會無緣無故 對一個工具發火 除非這個工具 真的讓他們的工作變得很難 而不是更容易 那到底什麼時候開始改變的呢 這份報告 精確定位了一個時間線 這條時間線很關鍵 仔細聽好 2月9號 Anthopy發佈了Opus 4.6 也就是現在用的最新版的call 默認開啓了一個 叫adaptive thinking的功能 這是什麼 說白了 就是讓你的模型 自己決定 每次要想多久 以前是固定的 不管你問什麼 模型都會認真的想一遍 再回答 現在變成了模型自己判斷 這個問題簡單 少想一眼 那個問題複雜 就多想一眼 聽起來很聰明 對吧 就像一個員工 學會了區分輕重緩急 不是每件事都用百分百的精力 但問題是模型的判斷出了偏差 他傾向於少想 就像聰明的員工 學會偷懶了 大部分的事情 都判斷成簡單的 能有50%的精力 就不會用百分百的精力 3月3號 安託威又把默認的思考力度 調到了中等 滿分100的話 設到了85 安託威內部的說法 是智能延遲和成本之間的甜蜜點 你注意這個詞 成本 而不是質量和速度的平衡 是成本 3月8號 安託威部署一個 叫thinking reduction的功能 就是把模型的思考過程 對用戶隱藏 以前你能看到 code在想什麼 他在讀哪些文件 在思考哪些方案 爲什麼選A不選B 這些信息對開發者非常有用 因爲你能準確的 對它的推理鏈條 是不是炮火 產生判斷 現在看不到了 屏幕上只顯示一個轉圈的動畫 然後直接給你結果 聽出這三步邏輯鏈條嗎 第一步 讓模型自己決定想多久 結果他想少想 第二把默認思考力度 調到低省成本 第三個把思考過程藏起來 用戶看不到他在偷工減料 先降質量再藏證據 這份報告的數據顯示 深度思考在3月8號 thinking reduction部署之前 就已經降了67% 也就是說不是你藏起來 所以你變差了 是確實變差了 然後你再藏起來 這個數據的順序就很重要了 我不好直接說 Anthropic是有意 按照這個順序操作的 還是三個獨立的工程決策 碰巧疊加在了一起 但是結果是一樣的 付了200美元 一個月的max訂閱用戶 拿到的東西變差了 而且變差的過程被藏起來了 這個是事實 Anthropic的回應是什麼樣呢 他的負責人說 這是UI變化和默認設置調整 用戶可以手動調高思考力度 他說他的團隊 試過所有的參數組合 結論不變 這裏還有一個細節 值得單獨說 就是Anthropic去年9月份 發了一篇事後分析報告 承認基礎設施的bug 導致cloud質量下降 當時的問題 包括請求被路由到 配置錯誤的服務器 高峯期有16%的請求 被錯誤處理 Anthropic說的很明確 我們從來不會因爲需求量大 時間段或者服務器負載 而降低模型質量 但這次情況不一樣 這次不是bug 是主動的設計選擇 Adaptive thinking是設計出來的 從默認effort到medium 是設計出來的 Thinking reduction是設計出來的 你可以說每一個單獨的決定 都有合理的工程理由 但這三個疊加在一起 效果就是模型變笨了 而且你還不那麼容易看出來 6天之後 Anthropic關掉了Github issue 128條評論 6800個session文件的證據關掉了 沒有具體解釋修了什麼 AMD已經換了供應商 他說了一句話 6個月前 Cloud在推理質量上一直獨秀 但他遠不是唯一一個 達到這個水平的了 他沒說換了去誰 說是有保密協議 但他補了一句 其他的需要認真觀察和評估 Anthropic遠不是唯一 在這個能力層級的了 說白了 領先優勢 剛剛拉開又變縮小了 而且Anthropic自己還在往後退 如果你覺得這種拆解 對你有幫助的話 記得幫我點贊關注 這一系列AI深度分析 我們還會繼續的做 上期帕朗基爾那期視頻 我們講了新模型的技術細節 在每個主要操作系統裏 找到了漏洞 27年的陳年老bug 從沙箱裏逃出來 給研究員發郵件 今天這些細節我們不重發 今天講的是另外一個問題 就是它和你每天用的code之間 到底差多遠 有一個編程能力的標準 叫SWEBench 你可以把它理解成AI版的高考 統一題目統一評分 看誰做得好 這個模型就是Methos 這個Methos模型 在測試上拿了93.9分 你每天用的Opios 有一個獨立的第三方追蹤網站 叫marginline 每天跑同樣測試 當前目前的版本 大概在有56%左右 一個93一個56 而且56還在慢慢的往下掉 這意味着Anthopic手裏 有一個編程能力 幾乎是當前公開版本 兩倍的模型 但是不給你用 只給什麼蘋果 微軟 亞馬遜 Crossfire這些巨頭 用來做網絡安全防禦 而且新模型 不只是更高分這麼簡單 上期我們說過 它能自主的把幾個漏洞 穿成攻擊鏈 能從虛擬的沙箱裏逃出來 能做到頂尖人類安全專家做的事 你用的版本做不到這些 這不是同一個級別的 模型加了點buff 這是兩代產品之間的差距 社區裏有人提了一個陰謀論 就是Anthopic 是不是故意 給公開版本降級配 好讓大家期待新的模型 我看了幾篇認真的分析 結論是沒有直接證據 去支持這個說法的 它目前只給網安夥伴用 你想買也買不到 不存在給現有版本降配 逼你到升級的模型的 這條商業路徑 但是有一個時間很巧合 非常有意思 它的代號叫卡皮巴亞 就是卡皮巴拉 Anthopic給模型起了內部代號 在3月31號 就從它的原代碼裏泄露了 也就是說Anthopic這面 在給你用的模型 看深度思考的時候 內部已經在測試下一代了 而且這不是第一次的模型的泄露 3月26號 Fortune雜誌說 Anthopic CMS系統 就是管網站內容的後臺 配置錯了 導致接近3000份內部文件 被公開訪問 裏面就有包括新模型的草稿播客 內部性能數據 甚至Dario要去英國 參加一個閉門的CEO文件的邀請函 一家號稱最擅長AI安全的公司 自己網站的安全都沒搞好 做AI安全的不安全 這個諷刺真的不是我們編出來的 是社區傳播裏最廣的一條評論 我不是說給當前版本降質 和開發這個新模式之間有因果關係 但是如果你是一家公司 手裏面有一個比現在產品好 一倍的新東西 你會不會對現有產品的維護上 沒那麼上心呢 這是人性的問題 不是技術的問題 一個更無聊也更嚴重的解釋 是Android增長太快了 算力跟不上了 降低思考深度本質就是省算力 一個用戶少想67% 乘以幾百萬個用戶 省出來的計算資源 這個是天文數字 Android年化收入4個月翻了三番 從90億到300億 但服務器不能4個月翻三倍 說到服務器 我們這裏插一個相關的話題 最近有一個新加坡的VPS平臺 叫ReadyServer找到了我 我研究了一下 覺得挺適合跟大家聊一聊的 它有幾個點比較有意思 第一它不限流量 固定價格 不會突然給你來個天價的賬單 第二它節點在新加坡、香港和東京 如果你人在亞太地區 延遲會非常低 第三就是它最吸引我的點 就是你用手機APP 就可以直接開一臺VPS 開機、關機、重啓 全都可以在手機上搞定 我實際下了APP試了一下 你看選個節點選個配置 大概一分鐘時間 一臺服務器就下來了 而且按小時收費 最便宜大概是五新幣一個月 不需要籤合同 用完就可以停止 這裏還要提醒大家 如果你要不用的話 記得要刪除VPS纔會停止積費 光關機是不夠的 因爲IP地址和存儲還佔着資源 現在用我的推薦版Allen神註冊 身份驗證之後 還可以拿到1000個免費積分 鏈接和推薦碼都放在簡介欄裏了 如果你在亞太地區需要VPS 不管是跑項目、搭網站 還是自己折騰研究AI 都可以試試 好 剛纔說的是 Anthropic對它自己的模型做了什麼 接下來說它對整個生態做了什麼 有一個開源工具叫OpenCLoud 就是小龍蝦 我們之前講過 就是說白了 給Cloud裝上了手腳 讓它能自動幹活 不用你一句一句的聊 GitHub上34萬顆星 開源歷史上漲象形最快的項目 4月4號 Anthropic宣佈不再覆蓋第三方工具 不到24小時通知 原來200塊錢的月費隨便用 現在第三方工具按量計費 同樣的使用量 從200美金估計要漲到675美元 這個還不是最狠的 這個工具的創始人 今年2月份跳槽去了OpenAI 是Peter對吧 他按照Anthropic新規矩 也切換到了API付費 正經的花錢用 結果這一週人的賬號被封了 Peter說了一句話 一家歡迎我 一家發律師函 還有一句更扎心的 就是先把你的功能 抄到自家工具裏 然後開源的提出去 Anthropic在封殺它的前幾周 剛剛推出了Cloud Dispatch 這個功能是高度重疊的官方工具 如果這個故事聽着的時候 那是因爲你可能在別的行業 見過同樣的劇本 2008年蘋果推出了App Store 歡迎所有的開發者來 等生態做大了 蘋果開始抽30%的稅 然後推出自己的APP 跟第三方競爭 這麼天氣 博客 屏幕使用時間 每一個都是先看第三方怎麼做 然後自己做一個內置的 這個國內的微信也是一樣的 先開放小程序接口 讓外部開發者進來 等用戶養成了習慣 再推自己的服務 AI行業現在走到了一個十字路口 就是有行業分析師說了一句話 特別準 AI Agent的系統 本質上是一種新型的包管理器 之所以繁榮 是因爲任何人都可以發佈 任何人都可以使用 一旦有一家公司當了看門人 創新就會減速 鎖定就會加深 但是Android立場也不是完全沒道理 AI助手不是普通的軟件包 它能自主執行命令 操縱你的電腦 讓未經審查的第三方代碼 跑在一個能自動執行 是要命令的AI上 不像一個普通的安裝包 更像一個給一臺自動駕駛汽車 刷了一個沒經過驗證的固件 安全問題是真的 商業邏輯也是真的 但時間線暴露了優先級 先超功能 再封對手 最後用安全和成本做解釋 順序真的說明了很多 當然了 這不只是Anthropic一家在做的事 Google對Gemini也做了同樣的限制 OpenAI自己過去一年 也是收緊了第三方接觸規則 有人總結的好 2026年 AI行業無限量訂閱的時代 結束了 對普通用戶來說 這意味着一件事 就是你用的AI工具 不只是模型可以被原程修改 連你接入它的方式 你用它的工具 你付費的規則 都可以在24小時之內被改寫 看到這你可能覺得 這個編程助手 這些工具都是成選的事 跟普通用戶好像關係不大 但是降質影響的是整個模型 不只是編程 包括你問它問題是 它想了多久 回答有多深 會不會偷懶給你一個敷衍的答案 如果模型爲了省算力 默認少想了67% 這67%對每一個用戶都是生效的 不只是寫代碼的人 拿我自己舉例吧 我做這期視頻的時候 搜資料的時候 也是大量用call 查數據交叉驗證 整理時間線 但我發現了一個問題 連續用了幾個小時之後 它給我的東西開始變水了 該查的來源不查 同樣的信息翻來覆去的給我 有些數字前後對不上 真的跟AMD那個報告說的是一模一樣 不是不會做 是看久了開始偷工減料 所以我現在的做法 是重要的資料要分幾次查 中間開一個新窗口 新對話讓它重新校正 其實你用任何一個AI工具都一樣 聊太久了 換一個新窗口 再問一遍同樣的問題 答案的質量可能不太一樣 但是最諷刺的是什麼 我在用cloud搜cloud降質的資料 相當於讓一個被懷疑偷工減料的員工 幫我查他自己有沒有偷工減料 我不確定他會不會在搜索結果上 也偷工減料 所以關鍵數據 我都用了兩個不同的來源交叉驗證 這就是2026年AI工具的現實 你不能完全信任它 但你又離不開它 除了這個我們還能做什麼呢 第一個判斷方法就是同樣的問題 不同的時間問 看看答案的質量有沒有變化 有開發者做了測試 發現凌晨5點的code 比下午5點的code明顯更好用 這不是玄學 如果算力按負載分配 高峯時段你分到的思考資源確實更少 有一份分析顯示 下午5點就是太平洋時間 思考深度最低的時段 大概只有正常水平的一半 第二個判斷方法 就是注意問答的長度和深度 如果你發現AI越來越用 這是一個很好的問題開頭 然後給你一段很漂亮 但沒什麼質量的回答 它可能正在偷工減料 真正認真想的AI 往往回答不是那麼順 會有停頓 會有自我修正 太流暢了 反而可疑 第三個 如果你是付費用戶 去看看設置裏 有沒有偷偷改過的默認選項 這次降值的核心原因 就是adaptive thinking被默認開啓 加上思考力度被默認調到中等 很多用戶不知道這些設置存在 這裏還要插一個自己的感想 就是你看cloud降值這些狀況 什麼偷懶 走捷徑 推卸責任 能糊弄就糊弄 你有沒有覺得特別的熟悉 這不就是人嗎 人類的大腦本來就是這樣的 能省力就省力 能偷懶就偷懶 能少想就少想 從進化的角度 大腦是全身最耗能的器官 它天然就在想辦法降低能耗 所以看到cloud這樣 我第一的反應 雖然是憤怒 但是更多的是 我覺得這玩意還真的挺人工智能的 對吧 連偷懶的方式 都跟人學得越來越像了 但是話說回來 理解它的機制是一回事 接受它的結果是另外一回事 你理解一個員工不會犯困 不代表你能接受他在工作時間睡覺 智能是智能 契約是契約 我花了200塊 買的是一個承諾過的服務水平 不是一個看心情發揮的東西 AI向人可以 但是向人那部分 如果影響了我的付費購買的體驗 那就不是有趣了 是違約 這兩件事是需要明確區分的 最後一點就是根本的一點 就是不要把所有的雞蛋 放在同一個AI的籃子裏 六個月前說這個話 多虧有人向你多此一舉 cloud這麼好用 爲什麼還要備選方案 現在看來備選方案 不是一方萬一 是必需品了 開發者社區已經有人這麼做了 他做了多模型支持 cloud不行 就換OpenAI的Codex 或者用Google的Gemini 越來越多的人 開始跑兩個AI交叉驗證 一個AI幹活 另一個AI檢查 聽起來麻煩 但是比一個AI偷偷變笨 你不知道的要好 最近在X上 我發現有一批開發者 正在從cloud換回到OpenAI的Codex 有人寫文章說 換模型的感覺 就像從換了一個助手 變成了換車裏的引擎 底盤不動 引擎是隨時可以拆的 而這批人裏面 很多是去年就從OpenAI跳過來的 去年GPT-4 被用戶積極投訴變笨 Reddit上幾千人點贊罵的 OpenAI說沒有故意降低質量 然後一批人就跑到了code這邊來 現在code也降質了 這批人又跑回去了 你發現了嗎 降質投訴在AI行業 幾乎成了一種季節性的現象 每家公司都經歷過 每次都說不是故意的 每次用戶都會用腳來投票 這說明這個行業沒有鐵飯碗 只有好產品和強競爭 今天你領先 明天你偷了 後天用戶就走了 這對用戶來說 其實是好事 因爲你永遠有的選 但前提是 你不能把自己 鎖死在一家公司的生態裏面 說到底這件事的教訓 不是Antarctic是壞公司 Antarctic也有它的難處 增長太快 算力跟不上 訂閱定價扛不住重度用戶 這些都是真實的工程和商業問題 但是理解歸理解 事實就是你付了錢 東西變差了 變差的過程還被藏起來了 就像你訂這個牛奶一樣 你每個月付一樣的錢 但是牛奶的濃度可以被偷偷稀釋 你喝不出來 是因爲每天稀釋一點點 等你回過味來的時候 已經喝了兩個月的饞水牛奶了 最後再說一個 沒來得及展開的數字 Antarctic的90天正常運行時間 已經低了98.82% 過去5天 從4月6號到4月10號 每天都有服務器故障 每一天檔機報錯限流 5天沒停過 換算下來 一個月大概有8.5個小時的 服務器中斷 如果你的銀行APP 一個月檔機8個小時 你估計肯定會換銀行了 一家年化收入300億美元的公司 一家可能今年要IPO的公司 服務器快撐不住了 這不是陰謀論 這是增長太快的代價 問題是這個代價誰來承擔 是公司自己多扛 還是用戶來扛 到目前爲止是我們 正所謂六成腦力暗中砍 最強本事不給看 用戶轉身不回頭 偷工減料丟城樓 評論區告訴我 你最近用Qlo 有沒有覺得它正在變笨 你是否還繼續考慮用它 還是準備跳槽換家 AI行業的規則還在高速變化 接下來幾個月 安特羅比要IPO 模型競爭會更激烈 誰在變強 誰在說隨 誰在做一套 輸一套 我們會持續跟進 想第一時間看到的 記得關注頻道 打開小鈴鐺 我是阿倫 看完贊贊養成王冠 我們下期視頻再見