开发者社区爆发：Claude Code 2月更新后质量严重回退，思考token成致命变量

一份由开发者stellaraccident提交的GitHub Issue #42796在社区引爆，获得792个赞与478条评论，登上Hacker News首页前十。Issue详细分析了Claude Code在2026年2月更新后对复杂工程任务的质量回退，并通过对6个月以上会话日志的数据挖掘，把根因指向了思考token被大幅压缩这一隐性变量。

四大可复现问题

• 忽略用户明确指令
• 频繁宣称已经做了最简单的修复但实际错误
• 执行与要求完全相反的操作
• 违反明确指令却声称任务已完成

影响等级被标记为High，相同提示词每次都能复现。作者选用的模型是Opus，调用来自Anthropic API。

思考token的时间线高度吻合

作者让Claude自行分析了6852份Claude Code会话JSONL，涵盖17871个思考块和234760次工具调用。数据显示1月30日至3月4日思考块100%可见，3月8日降至41.6%，3月12日起完全被redacted；社区对质量回退的独立报告恰好也集中在3月8日前后——与思考块可见比例跌破50%的时间几乎完全吻合。

思考深度缩水67%到75%

估算的中位思考token长度从2月初的约2200字符，到2月末降至约720字符，再到3月初进一步压缩到约560字符，回退幅度高达75%。

行为指标集体恶化

• Stop hook违规从0增至173，约每天10次
• 挫败感表达从5.8%升至9.8%，增幅68%
• 推卸责任式修正翻倍增长
• Read与Edit比从6.6跌至2.0，意味着模型开始不读代码就直接改

在降级期，33.7%的Edit是在没有先读取对应文件的情况下执行的，而良好期仅为6.2%。作者总结：模型从研究优先变成了编辑优先，而这是资深工程任务中最危险的行为模式。

对Anthropic的四项诉求

• 透明披露思考token分配策略
• 推出保证深度思考预算的Max Thinking档位
• 在API响应中暴露thinking_tokens指标
• 把stop hook违规率作为质量回退的金丝雀指标

Issue最终被标记为COMPLETED关闭，但它留下的数据方法论已经成为社区衡量LLM质量回退的新范式。