换更大的模型就等于更聪明？Anthropic亲自拆解Claude Code的真相

Model换的是脑子，Effort换的是态度 很多人用Claude Code时有个根深蒂固的误解：代码写砸了，一定是模型不够强，赶紧换成Opus、Fable——越贵越好。但事实恰恰相反：多数时候，问题不在“会不会”，而在“肯不肯干”。 Anthropic近期发布官方说明，明确区分两个关键维度：Model（模型）和Effort（努力度）。前者决定能力边界，后者决定执行深度。二者分工清晰，不可混为一谈。 Model：冻结的权重，解决“会不会” 每个模型都是一套训练完成、不可更改的权重参数。它不会在推理时学习，也不会记住你这次给的文档或代码。你喂进来的CLAUDE.md、上下文代码、API文档，只是临时提示，仅影响单次响应——模型本身一个字都不会“学会”。 一行代码const x = await fetch，在模型眼中被切分为token序列（如1078, 2597…），整个推理过程就是反复预测下一个整数。一段200 token的回复，意味着200轮完整前向计算。模型能力，由它出厂时的知识结构与泛化能力决定，不因你的输入而进化。 所以，换Model，本质是换一套“大脑”：Sonnet擅长通读全量代码+反复验证；Opus带着跨项目经验快速抓重点；Fable则专攻极端复杂、罕见、需深度推演的硬核问题。它们的能力层级不同，但都不是万能钥匙。 Effort：行为策略，决定“干不干到底” Effort不是“多想几秒”，而是AI在这次任务中投入多少资源：读几个文件、跑不跑测试、是否主动补全缺失信息、要不要把多步骤任务闭环执行完再返回结果。 低Effort倾向快速作答+反问索取更多上下文；高Effort则主动探索、多次验证、调用工具、自我纠错。同一条prompt下，高Effort生成的token量可达低Effort的7倍——多出来的部分，全用于读取、校验、回溯与确认。 更重要的是：Effort是行为信号，而非算力配额。它告诉Claude——这件事要做到什么程度才算“完成”。文本生成、工具调用、链式思考，都在它的调度范围内。 判断框架：先问“不会”，还是“不够努力”？ Claude出错时，别急着换模型。第一步永远是检查上下文：prompt是否清晰？工具是否启用？CLAUDE.md是否匹配当前项目？大多数所谓“变笨”，根源在此。 确认上下文无误后，进入第二问：它是“不会”，还是“不够努力”？ • 如果它跳过应读的文件、忽略该跑的测试、重构中途中断反问、明显回避复杂操作——这是态度问题，调高Effort即可； • 如果你已提供完整上下文、它也充分展开推理、仍持续犯同类逻辑错误或幻觉——这才是能力天花板，才需要升级Model。 Anthropic用一个比喻说清差异：Sonnet像一位愿意花整个下午帮你逐行梳理的资深工程师；Opus像一位只给你五分钟却见过上千类似案例的架构师；Fable则是连Opus都卡住时才请出的专科医生。贵，不等于适合所有场景。 调度，正在成为新核心能力 真正的效率提升，不来自盲目堆大模型，而来自精准分配：简单修改交给Sonnet+Medium Effort，省钱又快；大型重构搭配Opus+High Effort；长周期智能体任务，则需Fable+Ultracode档位——后者不仅开放xhigh算力，更授权Claude自主组建子任务队列，并行推进。 3月那场社区震动，表面是模型“变笨”，实则是默认Effort从High降至Medium未被察觉。一个月后Anthropic回调并重置用量，才让更多人意识到：那个藏在界面角落的滑块，比模型选择更直接影响交付质量。 AI编程的竞争，早已从“谁家模型参数多”，转向“谁能更懂怎么派活”。会调度，才能让每一分token都落在刀刃上；否则，再贵的Fable，也不过是一个更贵的搜索框。 结语：烧钱之前，请先调对开关 Claude Code不是黑箱，而是一套可配置的协作系统。Model决定它“能做什么”，Effort决定它“愿做到哪一步”。理解这一点，你就掌握了比排行榜更重要的东西：如何让AI真正为你所用。