Подорож Клода до дурості в діаграмах: Ціна ощадливості, або Як рахунок за API зріс у 100 разів

Кілька днів тому Стелла Лауренцо, керівник відділу AI в AMD, опублікувала у офіційному сховищі Claude Code проблему під назвою "Код Клода непридатний для складних інженерних завдань". Це була не емоційна скарга користувача, а кількісний аналіз на основі 6800 сеансів. Це вивело на перший план проблему, з якою спільнота штучного інтелекту найбільше не хоче стикатися, причому один набір цифр особливо виділяється: зміна конфігурації для економії коштів компанією Anthropic різко збільшила щомісячний рахунок за API цієї команди з 345 до 42 121 долара.

Команда Laurenzo відстежила 235 000 викликів інструментів, 18 000 запитів і задокументувала системне погіршення продуктивності Claude Code з лютого 2026 року. Про це пізніше повідомив The Register, що викликало двотижневу бурю громадської думки в спільноті розробників.

Борис Черни, керівник команди Anthropic Claude Code, надав пояснення на Hacker News. 9 лютого з виходом Opus 4.6 за замовчуванням був увімкнений "самостійно мислячий" механізм, коли модель автономно вирішує тривалість роздумів. 3 березня Anthropic знизив типовий рівень зусиль до 85. Офіційне пояснення полягало в тому, що це був "оптимальний баланс між інтелектом, затримкою та вартістю". Фактичний вплив цих двох змін очевидний з даних.

Глибина думки впала на три чверті

Згідно з даними GitHub Issue Стелли Лауренцо, середня глибина думки Claude Code зазнала триступеневого колапсу протягом двох місяців: з максимуму в 2200 символів наприкінці січня до 720 символів наприкінці лютого, що становить 67% падіння. До березня він ще більше зменшився до 560 символів, що становить 75% зменшення від піку.

Глибина думки тут є показником, що відображає, наскільки "внутрішні роздуми" модель готова залучати перед наданням відповіді. Різниця між 2200 і 560 символами приблизно еквівалентна зниженню від "підготовки проекту перед відповіддю" до "думання протягом двох секунд у вашій голові перед тим, як говорити".

Лоуренцо також зазначив, що функція "Редагування змісту думки" (redact-thinking-2026-02-12), запущена на початку березня, випадково замаскувала процес мислення моделі протягом цього періоду, що зробило зменшення менш помітним для користувачів. Борис Черни стверджує, що це була лише зміна інтерфейсу користувача і did-133">зробив не впливає на основне міркування. Обидва твердження технічно є дійсними, але з точки зору користувача ефект неможливо відрізнити.

Боріс Черни пізніше визнав, що навіть якщо вручну встановити зусилля на максимальний рівень, механізм самостійного мислення все одно може виділяти недостатньо обґрунтованих рішень у деяких раундах, що призводить до появи галюцинаторного вмісту. "Відновлення максимального зусилля" не є повним рішенням; це просто повертає ручку назад до її початкового положення, а не відновлює її початковий детермінізм.

Від "програміста, орієнтованого на дослідження" до "програміста, який редагує наосліп"

Деталь у звіті Стелі Лоренцо є більш явною, ніж глибина мислення: скільки відповідних файлів модель активно читає перед внесенням змін у код.

Згідно з даними GitHub Issue, у періоди пікового навантаження середнє співвідношення читання до редагування становить 6,6. Перед внесенням змін у код модель, у середньому, читає 6,6 файлів, щоб зрозуміти контекст. У період спаду ця кількість зменшується до 2,0, що становить 70% зменшення. Більш критично, близько третини змін у коді відбуваються без того, щоб модель читала цільовий файл, вона просто занурюється у роботу.

Лауренцо називає це «сліпими редагуваннями». У технічному плані це схоже на те, як програміст пише код, не дивлячись на підписи функцій або не знаючи типів змінних. "Кожен старший інженер у моїй команді мав подібний особистий досвід", - написала вона у своєму звіті. "Клоду більше не можна довіряти виконувати складні інженерні завдання".

Спад від співвідношення 6,6 читань до редагування до 2,0 – це не просто зміна поведінкового показника; це свідчить про крах успішності виконання завдань тарифи. Складність сучасних сховищ коду диктує, що будь-яка модифікація передбачає залежності між кількома файлами. Пропуск аналізу контексту та безпосереднє внесення змін призводить не просто до «невірних відповідей», а скоріше до «здається, правильних змін, які викликають нові помилки далі за течією. Вартість налагодження таких помилок значно перевищує вартість одного невдалого явного відповіді.

Парадокс «економії грошей»

Один із найбільш суперечливих наборів чисел у всій цій історії походить з тих самих даних GitHub Issue: Команда Стелі Лауренцо побачила, що щомісячні витрати на виклик Claude Code API впали з 345 доларів у лютому 2026 року до колосальних 42 121 долара в березні, що становить збільшення в 122 рази.

Логіка, що стоїть за скороченням зусиль Anthropics, полягала в тому, щоб зменшити споживання токенів за виклик, тим самим знижуючи витрати. Однак результат був протилежним. Причиною цього стало виникнення численних "петлевих міркувань" після занепаду моделі, що призвело до повторного самозаперечення в межах однієї відповіді, постійних перезапусків і споживання токенів, що значно перевищує заощаджену суму. Згідно з даними Стелі Лауренцо, рівень користувачів, які добровільно переривають завдання, збільшився в 12 разів за той самий період, що вимагало постійного втручання, виправлення та повторного подання розробниками.

Основна логіка є системною помилкою. Скорочення обчислювальної потужності для виконання складного завдання не просто пропорційно зменшує витрати. Як тільки ми опускаємося нижче певного порогу мислення, модель починає збиватися зі шляху, і загальна вартість зрештою зростає. Зниження зусиль дозволило заощадити гроші на простих запитах, але на завданнях з кодування це призвело до збільшення рахунку.

"Тупість", GPT-4 зробила це три роки тому

У липні 2023 року дослідницька група зі Стенфордського університету та Університету Каліфорнії в Берклі опублікувала статтю на arXiv під назвою "Як поведінка ChatGPT змінюється з часом?", де описано той самий феномен, що відбувається з GPT-4.

Згідно з даними дослідження, у березні 2023 року GPT-4 згенерував код, понад 50% якого можна було безпосередньо запустити. До червня ця частка впала до 10%, що становить 80% зниження за три місяці. Протягом того ж періоду точність визначення простих чисел впала з 97,6% до 2,4%. Відповідь OpenAI була дуже схожа на відповідь Anthropic: у фоновому режимі були проведені оптимізації, що є частиною звичайної ітерації.

Структура двох історій майже ідентична: компанія зі штучним інтелектом тихо налаштувала параметри, що впливають на можливості моделі у фоновому режимі, користувачі помітили це, компанія визнала коригування, але пояснила це як "розумніше розподілення ресурсів". Деградація GPT-4 сталася у 2023 році, деградація Claude сталася у 2026 році, з різницею у три роки, але сценарій однаковий.

Це не є специфічною помилкою певної компанії. Економічна логіка моделей передплати штучного інтелекту визначає, що коли витрати на обґрунтування перевищують ціну, яку можна покрити, виробники стикаються з тим самим тиском. Зниження стандартної інтенсивності думки наразі є найпростішим регулюванням між вартістю та продуктивністю. Те, що сприймають користувачі, це те, що модель "стає дурнішою". Те, на що виробник заощаджує на книгах, - це мінімальна вартість кожного виклику.

Борис Черни запропонував технічне рішення, за допомогою якого користувачі можуть вручну відновити інтенсивність думки до найвищого рівня за допомогою команди /effort high або змінивши файл конфігурації. Це рішення технічно можливе, але воно також означає, що "максимальна продуктивність" більше не є типовим налаштуванням.

Від $345 до $42,121, було витрачено не лише бюджет, але й припущення: зміни типової конфігурації, зроблені виробником, мали на меті покращити користувацький досвід.