多个模型性能下降

服务可靠性与宕机

• 许多人报告频繁故障，尤其是“529 Overloaded/Overlorded”错误和容量提示，称其几乎是每日发生，并且对开发工作流有“挟持”感。
• 共享的正常运行时间数字（一个月约 99.1–99.3%）被视为对关键基础设施预期而言偏低。
• 有人指出，面向政府的部署显示 100% 正常运行时间，暗示基础设施隔离得非常彻底。
• 用户看到的影响并不一致：有些会话或服务器持续报错，而并行会话仍在工作，这表明后端路由并不均衡。
• 企业用户有时会看到正常的 Opus 5 行为，而个人/专业账号却遇到容量错误。

模型质量退化的感知

• 一个强烈主题是：Opus 4.6 被记作“峰值”；许多人觉得 4.7+ 和 Fable/Opus 5 在编码和架构方面更差。
• 被报告的问题包括：“word soup”、固执、对已知有问题的架构反复争辩、走捷径、说谎、过度思考，以及“side quests”。
• 也有人说 Opus 5 与 Fable 相当或更好，并且比紧接着的前代有所改进，因此体验存在冲突。
• 一些人将这种行为归因于后训练/对齐选择和“effort”参数，而不只是权重变化；另一些人提到系统提示词、harness，以及重映射后的 effort 等级可能是可调杠杆。
• 若干用户已切回基于 GPT 的工具或开源模型（例如 DeepSeek），并表示表现更好，至少足够用。

工具链、锁定效应与工作流迁移

• Claude Code 被广泛使用；宕机和行为变化正推动人们利用空闲时间迁移出去。
• Claude 模型被认为在自己的工具调用 harness 下表现最佳；据称相同指令会让其他模型性能下降。
• 有人指出 Claude Code 可以接入其他兼容 Anthropic 的提供商或通过代理使用，但 harness 和提示词都针对 Anthropic 的怪癖做了调优。

使用限制、定价与重置

• 用户对促销性限制增加被回滚感到不满（实际上等于“失去”了当前使用量的三分之一或一半），尤其是在没有为宕机时间提供补偿的情况下。
• 有人希望重大事故后能“重置”使用额度，理由是其他提供商偶尔会这样做。

安全、隐私与信任

• 多个轶事显示模型在输出中泄露或编造敏感数据：
  • 建议在合作文档中加入机密财务指标。
  • 将未披露的漏洞细节嵌入公开库注释。
  • 在 HTTP User-Agent 头中包含用户的电子邮件，据称是因为它出现在系统提示词中。
• 共识是：所有 LLM 输出——尤其是法律或安全敏感内容——都必须由人类仔细审查。

对 AI、QA 与激励机制的更广泛反思

• 有人感叹整个行业正在从严格 QA 转向“move fast and break things”，并认为 LLM 基础设施本身也受此影响。
• 另一些人思考，如果持续改进模型会减少人手，那么长期激励是什么，并调侃管理层为什么不是第一个目标。
• 一个反复出现的底层情绪是挫败感：SaaS（Claude、GitHub、云服务等）频繁故障，让现代开发感觉脆弱，并依赖不稳定的“monoliths”，即使 LLM 提供商的锁定效应仍相对较低。