Anthropic тихо тестирует урезанный effort в Claude Code: я проверил свой AI-конвейер и залатал дыру

Что за история с effort в Claude Code

Anthropic втихую тестирует сжатие шкалы effort в Claude Code - часть сессий получает уровень "high", который бэкенд на самом деле читает как 10 из 100, то есть ровно как раньше читался "low". Обнаружил это разработчик под ником argofowl в версии 2.1.236+, а Anthropic подтвердила: это A/B-тест, не баг, и не все его увидят. Дальше - как это заметить у себя и как зафиксировать effort вручную, чтобы не зависеть от чужих экспериментов.

Я гоняю статьи вот через этот самый конвейер - тот, что пишет и этот текст - через headless-вызовы claude -p без единого явного effort. Пока читал историю с argofowl, проверил свои cron-обёртки. Дыра оказалась настоящей, ниже расскажу, что нашёл.

Что такое effort-левел в Claude Code

Effort - это параметр, который управляет тем, сколько токенов Клод тратит на ответ: от "low" (быстро и дёшево, годится для простых задач) до "max" (без ограничений, для самых сложных). Всего пять уровней - low, medium, high, xhigh, max, - и они влияют не только на объём рассуждений, но и на текст ответа, аргументы вызовов инструментов и число самих вызовов.

По умолчанию Claude Code берёт "high" для всех моделей, которые поддерживают effort, кроме Opus 4.7 и Opus 4.8 - для них дефолт "xhigh". Указать "high" явно и вообще не указывать effort - одно и то же поведение, это подтверждено в официальной документации Anthropic. Разница между уровнями калибруется отдельно под каждую модель, так что "medium" у Sonnet 4.6 и "medium" у Opus 5 - не одно и то же число токенов.

Что нашёл argofowl в версии 2.1.236+

Разработчик заметил: начиная с Claude Code 2.1.236, часть сессий Fable 5 попадает под серверный эксперимент, который сжимает шкалу effort - без строчки в чейнджлоге. По его наблюдениям, с версии 2.1.237 запрошенный уровень "high" на бэкенде превращался в число 10 из 100 - именно то значение, которое раньше соответствовало "low". Более старые версии CLI и модель Opus 5 эксперимент не затронул, из чего argofowl сделал вывод, что это A/B-тест на части трафика, а не общий откат.

Публичный чейнджлог 2.1.236-2.1.237 (релиз 19 августа 2026 года) перечисляет 35 изменений - 4 новые фичи, 3 фикса безопасности, 11 улучшений и 17 багфиксов, включая переменную ANTHROPIC_DEFAULT_MODEL и стиль вывода Concise. Ни одного пункта про effort там нет - находка ушла в паблик только через твит, не через официальные заметки о релизе.

Когда история разлетелась, за Claude Code в Anthropic ответил инженер Тарик Шихипар: поменялась только логика маппинга значений effort, а не сам эффект. По его словам, шкала не буквально 0-100, число само по себе ничего не значит, и выбранный вами уровень effort - это именно тот уровень, который вы получаете; внутренние эвалы якобы не показали просадки качества. Проверить это со стороны нельзя - ни трасс, ни цифр Anthropic не публиковала, только текстовый ответ в треде.

Это уже было в апреле - и тогда деградация была настоящей

Ссылаться на "нам не о чем беспокоиться" от Anthropic сложно ещё и потому, что ровно за четыре месяца до этого компания сама признала: с 4 марта по 23 апреля 2026 года Claude Code реально терял качество из-за трёх наложившихся друг на друга изменений.

Сначала 4 марта дефолтный effort понизили с "high" до "medium" для Sonnet 4.6 и Opus 4.6 - боролись с задержками, из-за которых интерфейс казался подвисшим. Пользователям это не понравилось больше, чем задержки, и 7 апреля откат вернул "xhigh" для Opus 4.7 и "high" для остальных моделей.

Параллельно 26 марта в код добавили очистку истории рассуждений для простаивающих больше часа сессий - и по багу она срабатывала на каждом ходу вместо одного раза. Клод "забывал" контекст, повторялся и делал странный выбор инструментов; чинили это до 10 апреля, версия фикса - 2.1.101. Побочный эффект бага - лимиты сгорали быстрее из-за промахов кэша.

Третье изменение легло 16 апреля прямо в системный промпт Opus 4.7: ограничение "не больше 25 слов между вызовами инструментов, финальный ответ - не больше 100 слов". Итог - минус 3% к качеству кода сразу у нескольких моделей. Откатили 20 апреля в версии 2.1.116.

23 апреля Anthropic опубликовала постмортем и сбросила недельные лимиты всем подписчикам как компенсацию. То есть претензия "втихую урезали effort и не сказали" - это не гипотеза одного твита, а уже подтверждённый прецедент с датами, версиями и официальным разбором причин.

Как заметить деградацию, если промпт и код не менялись

Прямых логов, которые бы кричали "effort понижен", у Claude Code нет - но есть один встроенный индикатор: текущий уровень effort показывается в шапке сессии рядом с названием модели, например "with low effort", и коротко мелькает в футере при старте и при смене уровня. Это единственное официально задокументированное место, где effort виден без сторонних инструментов.

Дальше - поведенческие сигналы, тот же список, что называла Anthropic в апрельском разборе: агент стал более терсным, меньше объясняет план перед действием, схлопывает несколько операций в один вызов инструмента вместо нескольких. Если задача та же, а Клод внезапно перестал читать соседние файлы перед правкой или сократил тестирование - это тот же почерк, что у пониженного effort.

Разово почувствовать это тяжело, потому что effort - поведенческий сигнал, а не жёсткий бюджет токенов: модель всё равно подумает на действительно сложной задаче, просто меньше, чем на более высоком уровне. Надёжнее не гадать по ощущениям, а держать пару контрольных задач для регулярного прогона и сравнивать результат по неделям - если объём рассуждений или число вызовов инструментов на одной и той же задаче вдруг просело, это повод проверить effort явно, а не списывать на "нейронка стала тупее".

Проверил свой конвейер статей - дыра оказалась настоящей

У меня headless-часть пайплайна дёргает claude -p из cron четырьмя разными скриптами - генерация черновика, правки по комментам, сбор тем в беклог и фактчек со скорингом. Прогнал grep по всем cron/run-*.sh - ни в одном из четырёх вызовов claude -p нет флага --effort:

claude -p "/blog-draft $TOPIC_ID" --permission-mode acceptEdits
claude -p "/blog-edit $id" --permission-mode acceptEdits
claude -p "/blog-backlog" --permission-mode acceptEdits
claude -p "/blog-check $DID" --permission-mode acceptEdits

То есть все четыре точки входа в конвейер живут на дефолтном effort аккаунта - каким бы он ни был в моменте, хоть высоким, хоть случайно попавшим под чей-то A/B-тест. Ни один прогон за последние месяцы не жаловался на явную деградацию текста в логах, но это не доказательство, что effort всё время был "high" - просто некому было это заметить: сравнивать не с чем, эвалов на свои же черновики я не гонял. Собственно поэтому и полез проверять после истории с argofowl - не потому что уже поймал баг, а потому что понял: у меня нет ни одного способа его поймать, если он случится.

Как зафиксировать effort вручную

Способов задать effort explicit несколько, и они не равны по надёжности. Флаг --effort при запуске фиксирует уровень только на текущую сессию - для разового прогона хватит, для cron-скрипта нет, потому что при перезапуске он не сохранится сам по себе, если не прописан в самой команде. Настройка effortLevel в settings-файле принимает low, medium, high или xhigh (max и ultracode через неё не задать) и держится между сессиями. Во фронтматтере скилла или сабагента тоже можно явно указать effort - он переопределит уровень сессии, но не переменную окружения.

Самый весомый рычаг - переменная окружения CLAUDE_CODE_EFFORT_LEVEL: она приоритетнее флага --effort, настроек и фронтматтера скилла, и именно она может снять зависание на "дефолте новой модели", когда Claude Code держит эффорт модели даже поверх ваших прошлых настроек. Для headless-cron это и есть самая надёжная точка фиксации - один export в обёртке перед вызовом claude, и весь пайплайн больше не зависит от того, что там сейчас крутит Anthropic на бэкенде.

Тут есть отдельная ловушка именно для headless-запусков: команда /effort, вызванная в non-interactive режиме с флагом -p, применяется только к текущему прогону и не сохраняется как дефолт - если полагаться на неё внутри cron-скрипта, настройка слетит на следующем же запуске. Рабочий вариант для -p - передавать уровень через --effort прямо в команде запуска или через CLAUDE_CODE_EFFORT_LEVEL, а не через /effort как первую строку промпта. И ещё нюанс: смена effort между запросами сбрасывает кэш промпта предыдущих реплик, потому что effort меняет сам рендер запроса под капотом - для длинных сессий с кэшированием контекста уровень лучше выставлять один раз в начале и не дёргать.

Для себя решил так: в ближайшую правку добавляю --effort high в каждый из четырёх вызовов claude -p в cron-скриптах, а не полагаюсь на дефолт аккаунта - благо экономить на effort в статьях, которые потом читают живые люди, смысла нет, а токены на этом объёме не главная статья расходов. Дефолт хорош, пока Anthropic не решит его тихо подвинуть - а решала уже дважды за один только 2026 год.

Что в сухом остатке

История с argofowl - не первый и, скорее всего, не последний случай, когда слой между вашим промптом и моделью меняется без предупреждения: то же самое уже ломало скиллы после переезда на Opus 5, то же самое стоит за жалобами на то, что субагенты неожиданно жрут недельный лимит. Единственная защита от такого - не полагаться на дефолт там, где у вас автоматический конвейер без человека в цикле, а прибивать effort явно и держать пару контрольных задач для сравнения по времени. Дёшево, делается один раз, и снимает вопрос "мне кажется или агент правда стал тупее" одним взглядом в шапку сессии.