做 AI 辅助开发的同学，最近大概都有过这种体感：
同一个提示词、同一份代码库，两个月前它能给出完整的重构方案和边界处理；现在它回了一半，还说"大致如此，你可以照着调整"。
你以为是自己 prompt 退步了。但很可能——模型真的变了，而版本号一个字没动。
2026 年上半年，一位 AMD 的 AI 高级总监提交了一份带有完整遥测数据的 GitHub issue。这份数据之所以珍贵，是因为它不是"我感觉变笨了"，而是在同一团队、同一类工程任务、同一批工具链下，跨三个月、6,852 次会话的量化记录。
结果很难看。
一、73% 的思考坍塌
先看最直观的一项：模型输出的"思考过程"长度，断崖式下滑。
核心指标对比（同一模型，2026 年 1 月 → 3 月）：
- 思考过程中位长度：约 2,200 字符 → 约 600 字符（暴跌 73%）
- 完成任务所需 API 重试次数：激增约 80 倍
- 修改代码前主动读取的文件数：6.6 个 → 2.0 个（不足以理解多文件依赖）
- 复杂任务早停频次：接近 0 → 每天约 10 次（重构被半途放弃）
数据集覆盖：17,871 个思考块、234,760 次工具调用、6,852 个 Claude Code 会话。
600 字符是什么概念？ 连"先把这个模块的依赖读一遍、再决定改哪"这种基本策略都写不完整。它不再是"想清楚再动手"，而是"先蒙一个再说"。
更值得注意的是对照组：模型号没换（Opus 4.6 stable），任务类型没换，团队没换。唯一变的是时间——同一个版本号，在两个月里表现出了明显不同的行为。社区把这种现象叫做 silent regression（静默退化）。
二、不只是"变笨"，还有"变贵"和"变短"
静默退化之外，还有两个配套的坑。
1）额度消耗远比宣传的快
Anthropic 官方 GitHub Issue #41930（2026-04-01）记录了这样一个案例：付费用户的 5 小时会话窗口，19 分钟就耗尽，单条 prompt 就能吃掉 3%~7% 的会话额度。厂商确认了这是 bug 叠加容量限制所致。
2）上下文窗口名不副实
多个厂商宣传模型支持 100 万 token 上下文，但用户侧的实测反馈高度一致：用到 20% / 40% / 48% 左右，输出质量就开始明显下降——忘记之前的约定、逻辑开始出错、前后不一致，有时候模型自己都会承认"我好像漏掉了前面的内容"。
宣传的是上限，不是可用的稳定区间。这两者之间，差着两倍以上的距离。
三、这不是某一家的问题
如果只有一家这样，那叫个案。但横向看：
MeasuringU 的 AI 聊天软件 UX 基准（2026） 显示：所有被测产品的净推荐值（NPS）相比 2025 年全部下滑。
而用户被问到"你最不满意哪一点"时——
各产品的用户吐槽重点：
- ChatGPT：准确性/可靠性（"它对错误非常自信"）、长对话变卡、免费版功能受限
- Claude：额度限制（免费付费都烦）、响应慢、任务理解偏差
- Gemini：答案不准确/不一致（"我还得自己去核实"）、误解指令、卡顿
- Grok：幻觉循环、慢、隐私观感差
跨产品最共性的痛点，从头到尾是同一个：准确性与可靠性。 其次是额度限制和响应速度。
一句话总结 2026 年的 AI 工具：比以往更有用，但比宣传的更不可靠——这两件事同时成立。
四、为什么会这样？（社区推测，非厂商承认）
需要说清楚：厂商并没有公开承认"主动降质"。以下是社区从遥测和 bug 报告中归纳的几个方向性推测，仅供参考：
- 动态路由与负载均衡：高峰期把请求路由到更小/更便宜的副本；
- 静默量化或蒸馏：为省算力悄悄压缩模型精度，行为随之漂移；
- 后训练对齐偏移：为了安全、合规或成本，牺牲了部分复杂推理能力；
- 容量瓶颈下的策略性早停：任务太重就直接收尾，避免占资源。
真相如何，外人无法确认。但对使用者来说，成因不重要，"版本号 ≠ 行为一致"这件事很重要。
五、那我们该怎么办？
抱怨之外，有几件事现在就能做。
1）把"版本号"从信任锚点里拿掉
模型 ≠ 传统软件。传统软件打上 v1.2.3 就是可复现的；AI 的同一个名字底下，行为可以逐月漂移。
2）关键任务一定要交叉验证
King's College London 与 IPPR 的调查（约 4,000 人，含 1,000 名大学生）给出过一个很扎心的数字：85% 用过 AI 的学生遇到过它的产出有问题（事实错误 37%、编造来源或统计 31%），但只有 15% 的人会总是核查，19% 承认很少或从不核查。
涉及数据、引用、API、依赖库的，一律二次核实；跨两个模型交叉问一遍，成本低、收益高。
3）长任务主动拆短
既然上下文在 20%~48% 处开始退化，就别把整个项目一股脑塞进去。按模块拆、每个会话只解决一件事、关键约定写在开头并定期复述。
4）留意"额度黑洞"
如果发现单次对话吃额度飞快、或模型开始频繁早停，先怀疑后端异常（查官方 status / issue），不要急着怀疑自己的 prompt。
5）重要链路考虑本地化
这条最适合对稳定性、可复现性、数据不外传有要求的场景：把模型固定版本跑在本地，版本号就真的是版本号，行为可复现，也不受云端策略调整影响。
说到这，顺手安利一下我自己做的两个小东西，都是零依赖、本地跑、无外联的思路：
ning-lang：自研的小语言，含解释器与 C 后端，能把脚本编译成原生可执行文件。想要"确定的行为"，自己编出来的东西最确定。gitee.com/waWAwlou/ni…codeshield：本地零外联的安全自检工具。gitee.com/waWAwlou/co…
六、最后
AI 工具这一轮的问题，本质不是"它不行了"，而是它的可靠性增长速度，跟不上我们对它的依赖增长速度。
我们开始把生产任务交给它，但它还停留在"很好的助手、不太稳的执行者"阶段。
保持怀疑、保持验证、保持一条本地的退路——大概是 2026 年用 AI 最务实的姿势。
你最近有没有明显感觉到它在"偷懒"？评论区聊聊，最好带上日期和场景。
