数据显示“Claude 降智”并非都市传说，AI 模型不稳定成企业风险

在 AI 成为企业标配工具之后，一个过去被视为“体感问题”的现象，正在快速浮上台面：LLM（大型语言模型）正在“变笨”。网友 Wisely Chen 指出，所谓“LLM 降智”并非都市传说，而是已能通过数据被持续追踪，且正在对企业工作流程造成实质影响。

他以自身经验为例，4 月 15 日 Anthropic 旗下 Claude 系列服务出现全面降级，包含 claude.ai、API 与 Claude Code 均显示“Degraded Performance”。这并非单纯变慢或偶发错误，而是回应质量明显崩盘，甚至出现无法正常使用的情况，导致其当日三个开发任务全数延误。

这类情境对个人开发者而言或许只是效率下降，但对企业 IT 团队来说，影响则被成倍放大。当一个团队有多名工程师同时依赖 AI 工具进行 coding、文件撰写与流程自动化，一次模型降级，意味着整体生产力在同一时间出现集体下滑，进而转化为可观的时间与成本损失。

AI 感觉变笨了？数据证实“早已降级”

Wisely Chen 指出，“GPT 变笨”、“Claude 不如以前”这类说法在社群流传已久，但长期缺乏客观数据支撑。直到近期出现持续监控模型质量的平台，这种现象才首次被量化。

其中，StupidMeter 对包括 OpenAI、Anthropic、Google 等主流模型进行 24 小时自动化测试，追踪正确性、推理能力与稳定性等指标。与传统一次性 benchmark 不同，这类系统更接近企业监控 API 或服务可用性的方式，观察模型在实际使用环境中的表现波动。

数据结果相当直观：目前多数主流模型均处于警告或降级状态，只有少数模型维持正常。这意味着模型品质的不稳定，并非单一产品问题，而是整体产业的普遍现象。

LLM 偷降智，影响 AI 工作流企业稳定性

对企业而言，这样的变化代表 AI 已从“提升效率的工具”，转变为“影响稳定性的变量”。倘若企业日常工作流程从写程式、做 code review，到产出文件与分析报告都已高度依赖 LLM。一旦模型在某一天出现推理能力下降、回答品质不稳，这些问题不会像传统软件 bug 一样局部发生，而是会同时渗透进所有使用 AI 的环节。

更关键的是，这种波动往往难以预测，也难以即时察觉。多数企业并不具备持续监控模型品质的机制，通常是在产出结果异常、或团队效率下降后，才意识到问题来自模型本身。在这样的情境下，“降智”不再只是使用者的主观感受，而是一种会直接影响企业营运节奏的系统性风险。

当 AI 成为水电，稳定性成为新的关键指标

Wisely Chen 将 LLM 的角色比喻为“现代企业的水电”。当 AI 已深入日常营运，成为不可或缺的基础能力，其稳定性的重要性也随之提升。

过去企业评估 AI 工具，多聚焦于模型能力、价格与功能，但随着“降智”现象浮现，另一个更关键的指标正在浮现，那就是稳定性。当模型品质可能在未通知的情况下变动，企业不再只是“使用 AI”，要开始承担一种新型态的基础设施风险。更绝望的是，只看前沿的大型语言模型的话，基本上在算力问题未解决前，都可能会继续发生。

这篇文章 数据曝“Claude 降智”并非都市传说，AI 模型不稳定成企业风险 最早出现在 链新闻 ABMedia。