Claude 4.6之后走下坡路？一位两年老用户的深度吐槽

一位资深用户的失望：Claude的巅峰已过？

近期一位在Reddit上活跃的老用户发帖表示，自己使用Claude已超过两年，但认为Claude的巅峰停留在了Opus 4.6版本，此后的每一次迭代反而让体验持续走低。这篇帖子引发了不少关于AI模型"进化方向"的讨论——更强的模型，是否真的等于更好用的模型？

这位用户的核心观点很直接：Opus 4.6时期的Claude，虽然"不是最锋利的那把刀"，但能真正理解指令、按要求完成任务，成本可控，能帮他构建大量项目。而在此之后，每个新版本都号称带来"新的智能水平"，实际使用体验却在他看来不升反降。

需要说明的是，帖子中出现的"Opus 4.6""GPT 6""fable 5.1"等版本命名，部分可能为用户的口误、代称或调侃，本文如实转述其观点，不对具体版本号做事实背书。

用户眼中的三大退步

输出质量下降，语言变得"不像人话"

发帖者抱怨新版本的英文输出越来越"垃圾"，他还测试了其他语言，认为可读性同样糟糕。在他看来，模型似乎总在寻找"没人问过的注意事项和盲点"，试图显得聪明（being a smartass），却连最基本的"按要求交付"都做不到。

这种"过度思考"的现象，其实是不少用户对新一代推理型模型的共同感受。模型倾向于输出更长、更"全面"的内容，附带大量免责声明和边界讨论，但对于只想快速完成具体任务的用户来说，这些冗余反而成了负担。

成本上升，"更强"却更贵

用户指出，新版本以"更强大"为由抬高了价格，但他认为所谓的"更强"，本质上可能只是换了套系统提示词（system prompt），让模型运行更久、输出更多不必要的内容。换句话说，用户为"啰嗦"付了更多的钱。

这触及了一个真实的行业张力：当模型以"思考链更长"作为能力提升的标志时，token消耗量随之上升，用户的实际账单也在增加。能力与成本的权衡，正成为专业用户越来越关注的评估维度。

思考链（Chain-of-Thought）与token消耗的关系

推理型模型（如Claude 3系列的扩展思考模式）在生成最终回答之前，会先产出一段内部"思考过程"，这段过程同样以token计费。对于简单任务，这意味着用户为模型"自言自语"付出了额外成本，而这些中间步骤往往对最终答案贡献有限。以Anthropic的定价结构为例，输出token的单价通常是输入token的3-5倍，思考链越长，账单增幅就越显著。这种设计初衷是提升复杂推理任务的准确率，但对于日常代码生成、文本编辑等结构化任务，过长的思考链带来的收益往往难以覆盖成本增量，专业用户因此需要在模型版本或参数配置上做出取舍。

"技能"泛滥：修补本不该存在的问题

帖子里有一段颇具画面感的吐槽：过去一年，AI博主的视频几乎都以"嘿，我给你带来了新技能……"开头，用来修复那些新版本引入、却没人要求的问题。用户需要额外的skill去教模型"如何说话""如何设计前端""如何变得真正有用"。

更糟的是，这些技能本身也在消耗token，而一旦上下文被压缩（context compacted），所有指令又"啪"地消失，需要重新加载，token消耗更快。用户原本以为这是"要让AI变好就得牺牲点什么"的必然代价——比如为了更好的代码，就得用"穴居人式"（caveman skill）的简陋表达。

上下文压缩（Context Compaction）的机制与影响

当对话长度接近模型的上下文窗口上限时，部分AI工具（如Anthropic的Claude.ai及第三方客户端）会自动触发"上下文压缩"机制：将早期对话内容总结为更短的摘要，以腾出空间容纳新的输入。这一操作会导致之前注入的系统提示词（system prompt）和自定义"技能"指令被稀释甚至丢失，模型行为因此出现漂移，原本已调教好的输出风格或任务规则需要重新加载。对于依赖大量自定义技能的工作流，这意味着每次压缩后都要重新消耗token来"唤醒"模型记忆，形成一个持续累积成本的循环，也是发帖者抱怨的"技能消耗-压缩-重加载"恶性循环的技术根源。

GPT 6的对比：开箱即用的冲击

真正动摇这位用户信念的，是他所称的"GPT 6"在自己项目上的表现。他描述：零技能配置，从头安装原生codex，模型就能按预期完成工作，不需要反复迭代，不需要为每件事配一个skill/plugin，很多任务的成本甚至更低——因为"不用手把手教它微调每一处残留的垃圾"，而且它"真的懂人类英语该怎么写"。

这个对比揭示了一个耐人寻味的产品哲学差异：一边是需要大量外部"技能"和精细调教才能发挥的模型，一边是"开箱即用"、默认行为就贴合用户预期的模型。对于追求效率的开发者而言，后者的吸引力显而易见。

值得留意的是，这毕竟是单一用户基于个人项目的主观体验，样本有限，不同任务、不同工作流下的结论可能大相径庭。但它反映出的诉求具有代表性：用户要的是更少的废话、更少的迭代、更少的技能辅助、更低的成本，以及真正可用的输出。

"开箱即用"与"可调教性"的产品哲学分歧

大型语言模型在部署时面临一个根本性的产品取舍：是将默认行为调校得尽量贴合大多数用户的直觉预期（高"开箱即用性"），还是保留更大的可塑空间供专业用户通过提示词工程深度定制（高"可调教性"）？前者的代表做法是在RLHF（基于人类反馈的强化学习）阶段引入大量"日常用户"的偏好数据，使模型默认更简洁、直接；后者则倾向于在默认状态下保留更多"能力储备"，由用户通过指令激活特定行为。两种策略并无绝对优劣，但当模型的主要用户群从研究者转向效率导向的开发者时，"开箱即用"的权重往往会显著上升。帖子中的对比折射出的正是这一分歧：Claude被部分用户感知为偏向后者，而竞品则被认为在前者上投入更多。

为什么还留在Claude？

这位用户坦言，目前仍在用Claude的唯一原因，是OpenAI还在限制新的x20订阅（高级订阅档位）。他并不看好Claude能在他列出的几个关键维度上追回来——好的写作、少废话多干活、更少迭代、更少技能依赖、更低成本。在他看来，要在这些点上全面反超，"对Claude来说很难"。

一场关于"智能"定义的争论

剥开个人吐槽的外壳，这篇帖子实际上抛出了一个值得整个行业深思的问题：什么才是模型的"进步"？

如果"更智能"意味着更长的推理、更多的边界讨论、更高的token消耗，却需要用户用一堆技能和提示词工程去"驯服"它，那这种进步对普通用户的实际价值有多大？相反，一个默认行为就克制、精准、贴合意图的模型，或许才是多数人真正想要的。

当然，我们也要对这类观点保持审慎。单一用户的体验带有强烈主观性和特定使用场景的局限，模型的实际能力评估需要更系统的基准测试和更大规模的样本。但这类来自一线深度用户的反馈，恰恰是产品团队最该倾听的声音——它提醒着开发者：能力的堆叠，不该以牺牲易用性和交付质量为代价。