AI 真的被降智了嗎？Impression 不是 regression，regression 不是動機
TL;DR: 我不是在替 AI provider 辯護。我是覺得很多人把四件事混在一起：impression、regression、behavior change、motive。最糟的不是 model 變差，而是公共討論太快跳去猜動機，把 frustration 偽裝成 diagnosis。
這幾週看到很多人在吵 AI provider「降智」，我一直都很不以為然。不是因為 provider 不能被懷疑，而是因為很多討論把四件事混在一起：impression、regression、behavior change、motive。這四件事一混，討論就很容易從分析變成心理劇。
社群上那套話術我幾乎每隔一陣子就會看到一次：OpenAI 變笨了、Anthropic 偷偷降智了、最近回答變差一定是在省算力，或者新 model 要出了，所以先把舊的弄弱一點。問題不是這些猜測永遠不可能是真的，而是很多人連現象都還沒定義，就已經開始判動機。
很多 product regression，最早本來就是從 power users 的體感開始被注意到。問題不是體感沒價值，而是體感不能直接升級成動機判決。
4/23 Anthropic 那篇 postmortem 讓我更想把這件事寫下來。大家嘴上在講「Claude 變笨了」，Anthropic 拆開來講的卻是三個不同的 product-layer 變更：default reasoning effort 從 high 調到 medium、一個 session / caching 相關 bug 讓 prior thinking 在不該被清掉的時候被清掉，還有一段為了減少 verbosity 加上的 prompt instruction。這不代表 Anthropic 一定完全沒問題。它只提醒了一件很基本的事：體感變差，和 你已經知道原因與動機，中間差很遠。
我自己每天都在用 Claude Code/Codex、各種 agent、各家 model。行為一變，曾經我第一反應也是「是不是又變笨了」。但高頻使用一陣子之後，你很快就會發現，體感變差這件事背後混著很多不同東西：prompt 問得不好、context 已經髒了、tool schema 改了、wrapper 自己出問題，或者某個 task 剛好踩到 edge case。有時候才真的是 model 或 API layer 某種 regression。把這些東西全部混在一起講，後面只會越講越亂。
至少先分清楚四層
如果要把這類 claim 切乾淨，至少有四層。
1. Impression
也就是：我覺得最近變差了。
這層完全合理。很多問題本來就是從體感開始。
2. Regression
也就是：在可描述、可重現的條件下，表現真的退步了。
3. Behavior change
也就是：provider 或產品端，確實動了某個 knob。
這兩層很常被當成同一件事，但其實不是。Regression 是你觀察到的結果，behavior change 是對方實際做過的變更，這是兩個不同的舉證問題。你可能有 regression，但還不知道 behavior change；也可能有 behavior change，但不代表它在你的 task 上構成 regression。
4. Motive
也就是：他們為什麼改。
公共討論最常見的問題，就是前面停在 impression，後面已經在講 motive。中間的 regression 跟 behavior change 幾乎整段消失。
先分清楚 regression，才有資格往下談
你說 Opus 變笨了，是在哪個介面下用的 Opus？Web、Claude Code、第三方 wrapper，還是你自己打 API？你原本在解什麼問題？之前的輸出是什麼，現在又差在哪裡？是 coding 能力退步、context 記憶變差、tool selection 變怪，還是只是回答變短、變保守？
沒有這些背景，很多時候你討論的不是 regression，只是 impression。
Anthropic 這次 postmortem 真正交代的，其實就是 behavior change 這一層。他們沒有說「你們感受到的變差都是幻覺」。他們的說法是：對，有行為改變；而且我們追到三個不同的 product-layer 變更。這種資訊很重要，因為它提醒我們，provider 改了東西，和 你已經知道他為什麼改，完全是兩回事。
真正把討論弄爛的，是太快開始猜 motive
provider 當然可以被質疑，黑箱系統本來就該被驗證。真正讓討論變爛的，是動機推測太快進場。現象沒有描述清楚，背景沒有交代清楚，可重現性沒有處理，結果一開口就在講對方為什麼這樣做。
這種論述成本很低，情緒密度很高，所以傳播特別快。你不用定義 claim boundary，不用做 measurement，不用控制變因，只要補一句「反正他們一定是想省成本」就好。看起來像洞察，實際上常常只是把論證裡最空的地方，用最省力的猜測補起來。這跟我之前在 AI 讓錯誤資訊更廉價了講的是同一件事：產出便宜的論述很容易，驗證它們很貴。
動機是外部最難知道的東西。你可以推測 incentive——大模型公司當然有 latency、成本、風險、產品節奏上的壓力——但 incentive 不是 evidence。
一旦討論滑到這裡，後面就很難收斂。對方說沒有，你會說那只是公關。對方拿 eval，你會說 benchmark 不算。對方寫 postmortem，你會說那只是掩飾。最後大家表面上在談系統，實際上在比誰比較相信自己的心理劇本。
我自己很在意一件事：在沒有足夠資訊時，不要隨便推測他人的 motive。你可以懷疑、可以驗證、可以要求透明，但不要把猜測包裝成證據。尤其當你在做的是更重的指控時，舉證 discipline 只應該更高，不應該更低。
想抱怨之前，先把它寫成 bug report
如果你真的觀察到 regression，下一步也不是發一篇陰謀論長文，而是先把抱怨變成 bug report。
至少先回答這幾個問題：
- 你在哪個介面下用？
- 你要解的是什麼 task？
- 之前怎樣，現在怎樣？
- 有沒有 minimal repro？
- 能不能在 API layer 重現？
這件事其實跟報 bug 很像。你不能只說「這東西壞了」。你要交代環境、操作步驟、預期結果、實際結果。別人要能重現，後面才有 diagnosis。AI 也是一樣。連重現都做不到的抱怨，不是沒有價值，但它離分析原因還很遠。
能打 API 的就去 API 驗，能開 issue 的開 issue，能回報 provider 的回報 provider。這樣做很不 sexy，也沒有「我早就看穿這家公司」那種戲劇感。但它比較接近分析，也比較有機會真的把問題找出來。
寫在最後
黑箱 AI 系統最麻煩的地方，不只在於它有可能退步。更麻煩的是，只要大家一懶得分層、二懶得舉證、三急著猜 motive，公共討論就會很快被情緒和推測帶偏。
然後很多人都覺得自己在看穿真相。 實際上只是用更漂亮的方式，製造新的噪音。