AI 编程竞争，从「卷模型」转向「卷派活」

AI 编程竞争，从「卷模型」转向「卷派活」

2026 年 7 月 12 日，Anthropic 发了一篇长文，主题是把 Claude Code 里两个常被搞混的选项讲清楚：Model（模型）和 Effort（努力度）。官方一句话总结：Model 换的是脑子，Effort 换的是态度。

这一句话，把过去三年 AI 编程的所有"卷"重新分了类。

两个旋钮不是一回事

先拆清楚这两个东西。

Model 是一组"冻结的权重"。训练结束时，模型的能力和知识就被焊死了。你喂进去的提示词、CLAUDE.md、贴进上下文的代码，全都改变不了这套权重——你能引导它，没法"训练"它。换模型就是换一整套权重，本质上是换一个会不会干这件事的脑子。

Effort 不是"多想几秒"这么简单。它管的是 Claude 在这次任务上愿意投入多少工作量：读几个文件、跑不跑测试、要不要额外验证、要不要把一个多步骤任务一路推到底再回来找你。低 Effort 的 Claude 倾向于快速回复，然后反过来问你要更多上下文；高 Effort 的 Claude 倾向于自己去翻信息、多调几次工具、一口气把长任务链跑完。

官方给了一组关键数据：同一条 prompt，高 Effort 路径生成的 token 约是低 Effort 的 7 倍。多出来的 token 全花在读文件、跑验证、反复确认上（来源：Anthropic 官方博文示意图）。

这个分法暴露了行业过去的错觉：以为"换更大的模型" = "更聪明"。Anthropic 给的官方比方是——Sonnet 是有整个下午的全能选手，会把你的代码从头读到尾、跑一遍、再验一遍；Opus 是只给 5 分钟的专家，带来代码库外的经验和坑，但 5 分钟只能扫一眼；Fable 是最后才请得动的专科医生，每个 token 也最贵，留给真正没人能接的硬骨头。

把这三个角色配上 Effort 档位，整件事就清楚了：强模型不是"包治百病"，是"卡在硬骨头时才请"。简单改动交给 Sonnet 挂低档，秒回还省钱；大型重构上强模型加高档；要长时间自己跑的 Agent 任务，强模型配足 Effort。

这件事不是 Anthropic 一家在说。今年 3 月 4 日，Anthropic 为了压低延迟，把 Claude Code Effort 默认档位从 high 降到 medium。那段时间，全网骂 Claude 变笨。AMD AI 负责人 Stella Laurenzo 翻了 6852 个会话日志做对比：Claude 的思考量比 2 月之前掉了 67%（来源：GitHub 公开 issue + 新智元转引，2026-07-12）。扛了一个月，4 月 7 日才把默认档位调回去。多数开发者那时才意识到，问题不在自己的提示词上，是那个开关一直就在自己手边，只是被悄悄拨了一档。

这就引出一个反常识的结论：小模型开高 Effort，可以干翻大模型开低 Effort。

Token 账单的失血线

把视角拉远一点，这一年企业的 Token 账单，已经开始和实际产出脱钩了。

研发管理平台 Jellyfish 给了一组让 CFO 睡不着觉的数据：过去 9 个月，每位开发者 AI 支出增长 18.6 倍；使用 Token 最多的工程师，生产力约是低使用者的 2 倍，但消耗的 Token 高达后者的 10 倍（来源：Jellyfish 调研，硅基君转引 2026-07-13）。翻译成人话：投入翻了 10 倍，产出只翻 2 倍。

同一周，Palo Alto Networks CEO Nikesh Arora 在 CNBC 说了一句更狠的：Token 价格还得再降 90%，企业才能真正大规模部署。Palantir CEO Alex Karp 把话说得更直白——OpenAI、Anthropic 的 Token 收费模式"完全错了"：企业花大价钱，买到的可能是一堆没有创造价值的 Token（来源：公开采访）。