Claude 近期服务质量下降问题复盘：三个“幽灵”Bug 的幕后故事

如果你在8月到9月初感觉 Claude 有时“变笨了”，那不是你的错觉。Anthropic 官方发布了一份详细的技术复盘（原文链接），承认了问题的存在，并坦诚地解释了背后复杂的原因。官方强调：绝不是因为服务器忙就故意降低模型质量，问题完全由基础设施 Bug 导致。

发生了什么？一句话总结

从8月初到9月中旬，三个独立的、相互重叠的基础设施 Bug，像“幽灵”一样间歇性地影响了 Claude 的部分模型（特别是 Sonnet 4），导致一些用户的体验下降。由于问题相互交织，给排查带来了巨大困难。

三个“肇事”的 Bug

官方详细披露了三个问题的技术细节，我们可以将其通俗地理解为：

1. “走错路”的请求 (上下文路由错误)

• 问题：部分处理“短对话”的请求，被错误地发送到了为“超长对话”（1M 上下文）准备的服务器上。这就好比让短跑选手去跑马拉松赛道，状态自然不对。
• 影响：最初只影响 0.8% 的请求，但8月底一次负载均衡调整，无意中放大了问题，高峰时影响了 16% 的 Sonnet 4 请求。更糟糕的是，路由具有“粘性”，导致部分用户会持续遇到问题。
• 波及范围：主要影响 Claude 官网、API 及 Google Cloud 用户，Bedrock 平台受影响极小。

2. “乱码”的输出 (输出内容损坏)

• 问题：一个性能优化配置的失误，导致模型在生成内容时，会偶尔蹦出一些不相干的字符。比如，你用英文提问，回复中间可能突然出现一个泰语“สวัสดี”。
• 影响：主要影响了8月25日至9月2日期间，在 Claude 官网上使用 Opus 和 Sonnet 模型的用户。
• 波及范围：第三方平台（如 Bedrock, Vertex AI）未受此问题影响。

3. “算错数”的编译器 (XLA:TPU 编译错误)

• 问题：这是一个潜伏已久的编译器底层 Bug。一个旨在提升选词效率的新代码，意外触发了这个 Bug，导致模型在选择下一个词时出现偏差，影响了生成内容的质量。
• 影响：这个问题非常“狡猾”，时好时坏，难以复现。主要影响了 Haiku 3.5 模型，并可能波及 Opus 3 和 Sonnet 4。
• 波及范围：同样，第三方平台未受影响。

为什么花了这么长时间才修复？

诊断过程之所以如此艰难，主要有三个原因：

1. 问题叠加，症状混乱：三个 Bug 同时发生，产生的现象五花八门，让工程师很难定位到单一的根本原因，看起来就像是随机的、无规律的性能下降。
2. 常规检测手段失效：现有的自动化评测基准，没能有效捕捉到这种细微但影响用户体验的质量下降。模型强大的纠错能力有时会掩盖掉小错误。
3. 用户隐私保护的“幸福烦恼”：出于对用户隐私的严格保护，工程师无法直接查看导致问题的用户对话记录，这使得复现和调试问题变得异常困难。

未来会如何改进？

亡羊补牢，为时未晚。Anthropic 承诺将进行以下改进，以防止类似事件再次发生：

• 更灵敏的“照妖镜”：开发更敏感、更精细的评测系统，能像“显微镜”一样发现微小的模型质量变化。
• 深入“生产一线”的持续监控：将质量评测直接部署在真实的生产系统上，进行7x24小时不间断监控，以便第一时间发现类似路由错误的异常。
• 更快的“侦探”工具：开发新的内部工具，在保护用户隐私的前提下，帮助工程师更快地根据社区反馈来定位和调试问题。

本文是对官方报告的总结和解读，感兴趣的读者可以阅读官方技术报告原文以了解更深入的技术细节。