8 月 19 日，Anthropic 官方命令行工具 Claude Code 的仓库下出现了一条标题相当不客气的 issue：Opus 5.0 drives incoherence into the stratosphere——直译过来大概是「Opus 5.0 把语无伦次推向了平流层」。这条 issue 随后被顶上 Hacker News 首页，51 条评论里，挤满了感同身受的开发者。
用户在抱怨什么
从 issue 标题和评论区反馈来看，不满集中在模型输出的「连贯性」上：回答前后矛盾、在多轮任务中丢失上下文、答非所问，最终体现为代码改动质量下滑、返工次数变多。
对于只是偶尔问问题的用户，这类退化可能只是体验问题；但对于把 Claude Code 当作日常生产力工具、让它直接读写仓库的团队来说，模型「变笨」不是玄学吐槽，而是会实打实折算进 diff 和工时的成本。评论区的情绪之所以热烈，正因为踩中的是这群重度用户。
真正的问题：模型会漂移，但你锁不住
单看这条 issue，它可能只是一次质量波动、甚至可能是提示词或上下文管理的问题。但它之所以能引发讨论，是因为触到了 AI 编程工具的一个结构性困境：模型正在成为生产环境的依赖，却缺乏依赖管理的基本配套。
传统软件世界里，我们习惯了版本号、lockfile 和 changelog——升级是显式的，回滚是可行的，出问题能定位到具体版本。而 API 时代的模型服务往往只有一条「latest」：供应商可以在同一个模型名下调整权重、推理策略或系统提示，用户既感知不到变更，也无处回退。今天用着顺手的模型，下周可能就换了性格，而你没有任何 recourse。
benchmark 分数也帮不上太多忙。模型在 SWE-bench 之类的基准上表现稳定，不代表真实长链路任务里的体验稳定——编程 agent 动辄几十轮工具调用，任何细微的退化都会在链条上被放大。
从体验问题到信任问题
更值得警惕的是，这件事不只是「好不好用」。此前 Codex 误删用户主目录的事件已经暴露过 agent 的安全裂缝；而如果模型本身状态不稳定，拥有文件读写权限的 agent 就多了一层不确定性，质量漂移在 agent 语境下是安全问题的近亲。
对团队而言，几件事值得现在就做起来：
- 建立自己的回归评测集：用真实业务任务做固定评测，在感知到「不对劲」之前先量化捕捉退化；
- 留存使用日志：记录每次会话的模型行为与成本，出问题时至少能对比「变坏之前」长什么样；
- 关键流程留人工闸门：在模型状态无法锁定的今天，把 agent 的高危操作（删除、覆盖、批量重构）放进审批流程，不是保守，是必要的防御。
简短点评
模型正在从聊天玩具变成生产依赖，但配套的工程纪律还没有跟上。要让开发者放心把仓库钥匙交给 agent，供应商得先学会像发布软件一样发布模型：有版本、有变更说明、可锁定、可回滚。在这成为行业默认之前，把评测和监控建在自己这边，比在 issue 区吐槽更有用，当然，两条一起做效果最好。