Nej, de var ikke begrænsning af Claude – Det var faktisk værre

Lad os tale om, hvad der er sket med Claude, fordi hvis du har brugt det i den sidste måned, har du sandsynligvis bemærket, at noget var galt.

I de sidste seks uger har Claude-brugere mistet deres forstand. Fra begyndelsen af august klager startede med at strømme ind på Reddit, X og udviklerfora. Problemerne var overalt:

• Kode, der tidligere fungerede perfekt, var pludselig brudt
• Claude påstod, at den havde lavet ændringer i filer, selvom den ikke havde
• Tilfældige thailandske eller kinesiske tegn dukkede op i engelske svar
• Instruktioner blev fuldstændig ignoreret
• Den samme prompt gav vildt forskellige kvalitets-svar
• Claude Code-brugere sagde, at det føltes “lobotomiseret” i forhold til tidligere

Klagerne blev så dårlige, at folk i slutningen af august var overbevist om, at Anthropic hemmeligt begrænsede Claude for at spare penge. Teorier om sammensværgelse var overalt – måske reducerede de kvaliteten under peak-tider, måske havde de stille og roligt udskiftet det med en billigere model, måske var dette en bevidst nedgradering for at håndtere serveromkostninger.

Brugere betalte for Claude Pro og fik noget, der føltes som Claude Lite. Udviklere, der havde bygget arbejdsgange omkring Claude, så pludselig deres produktivitet falde. Med det sagt var nogle brugere ikke oplevet nogen problemer overhovedet, hvilket gjorde alt endnu mere forvirrende.

Anthropic Indrømmer Endelig: Ja, Vi Havde Problemer

Efter uger med brugerklager og voksende frustration, Anthropic lige har udgivet en massiv teknisk post-mortem, der grundlæggende siger: “I havde ret. Claude var brudt. Her er, hvad der skete.”

Og svaret er interessant.

Det viser sig, at det ikke var ét problem. Det var tre helt separate infrastrukturfejl, der alle ramte på samme tid, og skabte en perfekt storm af AI-forringelse. De begrænsede ikke. De skar ikke hjørner. De havde bare tre forskellige ting, der gik galt samtidig på en måde, der tog dem seks uger at fuldt ud forstå og løse.

Lad mig bryde ned, hvad der gik galt, fordi dette er faktisk et nyttigt kig på, hvordan disse AI-systemer kan fejle på måder, ingen havde forventet.

Den Tredobbelte Fejl: En Tidslinje For Kaos

Kilde: Anthropic

Fejl #1: Det Forkerte Serverproblem

Dette er næsten morsomt, hvis du ikke var den, der oplevede det. Claude Sonnet 4 var designet til at håndtere 200.000 token-kontekster. Men fra den 5. august blev nogle anmodninger sendt til servere, der var konfigureret til 1 million token-kontekster.

Initialt var kun 0,8% af anmodningerne berørt. Ingen stor sag, vel? Forkert.

Den 29. august ændrede en rutinemæssig opdatering af lastbalanceren dette mindre problem til et stort problem. Pludselig var 16% af Sonnet 4-anmodningerne ved peak sendt til de forkerte servere. Og routingen var “sticky”. Når du først blev misroutet, blev du ved med at blive misroutet.

Indvirkningen:

• Omkring 30% af Claude Code-brugere, der var aktive under vinduet, havde mindst én anmodning, der blev misroutet
• Respons-tiderne faldt for berørte brugere
• Den samme bruger oplevede problemet gentagne gange, mens andre havde ingen problemer

Fejl #2: Den Tilfældige Tegn Generator

Den 25. august udrullede Anthropic en mis-konfiguration til deres TPU-servere. Resultatet var, at Claude begyndte at indsætte thailandske og kinesiske tegn i engelske svar.

Forestil dig, at du beder Claude om at fejlfinde din Python-kode og får dette:

def calculate_total(items):

    total = 0

    for item in items:

        總計 += item.price  # <- Hvad?

    return ผลรวม

Dette påvirkede:

• Opus 4.1 og Opus 4: 25.-28. august
• Sonnet 4: 25. august – 2. september

Den tekniske årsag var en token-genereringsfejl, der tildelte høj sandsynlighed til tegn, der ikke havde noget at gøre der. Det brød bogstaveligt talt den fundamentale mekanisme for, hvordan Claude vælger det næste ord at sige.

Fejl #3: Den Usynlige Compilerfejl

Dette er det skræmmende fra et ingeniørperspektiv. Der var en latent fejl i Googles XLA-kompiler, der havde ligget dormant. Da Anthropic udrullede kode til at forbedre token-selektion den 25. august, udløste de ved en fejl denne fejl.

Hvad denne fejl gjorde, var virkelig besynderligt – den fik Claude til at ufrivilligt udelade det mest sandsynlige token, når den genererede tekst. Claude vidste det rigtige svar, men var fysisk forhindret i at sige det.

Det virkelig forvirrende? De havde faktisk arbejdet omkring denne fejl i december 2024 uden at vide det. Da de “fikset” det, de troede var årsagen i august, fjernede de arbejdsgangen og udløste det virkelige problem.

Hvorfor Det Tog Seks Uger At Løse

Du måtte undre dig: hvordan kan et selskab som Anthropic, med verdensklasse-ingeniører, tage seks uger til at figure det ud?

Svaret afslører bare, hvor komplekse disse systemer virkelig er:

1. Privatlivskontroller Blokerede Fejlfinding

“Vores interne privatlivs- og sikkerheds-kontroller begrænser, hvordan og hvornår ingeniører kan få adgang til brugerinteraktioner med Claude, især når disse interaktioner ikke er rapporteret til os som feedback.”

De kunne bogstaveligt talt ikke se, hvad der brød, medmindre brugere udtrykkeligt rapporterede det med feedback. Godt for privatliv, frygteligt for fejlfinding.

2. Fejlene Gemte Sig

Claude ville ofte genrejse sig selv fra enkeltfejl, hvilket gjorde forringelsen se ud som normal variation i stedet for systematisk fejl. Deres benchmarks og evalueringer fangede det ikke, fordi modellen ville selvkorrigere nok til at bestå testene.

3. Multi-Platform Kaos

Claude kører på AWS Trainium, NVIDIA-GPU’er og Google (GOOGL ) TPUs – tre helt forskellige hardware-platforme. Hver fejl manifesterede sig forskelligt på hver platform:

• AWS Bedrock: 0,18% af Sonnet 4-anmodninger berørt ved peak
• Google Vertex AI: Under 0,0004% berørt
• Direkte API: Op til 16% berørt

Dette gjorde det se ud som flere ubeslægtede problemer i stedet for tre specifikke fejl.

4. Overlappende Symptomer

Med tre fejl aktive samtidig var symptomerne overalt. En bruger kunne få thailandske tegn, en anden kunne få forringede svar, en tredje kunne se perfekt præstation. Der var ingen tydelig mønster at følge.

Hvad Dette Virkelig Mener For AI-Pålidelighed

Denne hele saga afslører noget afgørende om den nuværende tilstand af AI-systemer: de er langt mere skrøbelige, end de ser ud til.

Vi taler ikke kun om AI-modellen selv. Vi taler om:

• Routnings-infrastruktur, der kan sende anmodninger til det forkerte sted
• Hardware-specifikke implementeringer, der opfører sig forskelligt
• Compiler-fejl, der kan ligge dormant i måneder
• Lastbalancere, der kan forstærke mindre problemer til større nedbrud

En mis-konfiguration, en compiler-fejl, en routingsfejl – og pludselig glemmer din AI-assistent, hvordan man koder eller begynder at tale sprog, det ikke burde.

Er Det Faktisk Løst?

Anthropic siger, at de har løst alle tre problemer pr. 16. september. De har:

• Fastsat routings-logikken
• Rullet tilbage til de problematiske konfigurationer
• Skiftet fra næsten til præcis top-k-operationer (tagende en ydelse-ramte for nøjagtighed)
• Tilføjet kontinuerlig produktionsovervågning

Men brugere rapporterer stadig problemer. Nogle udviklere påstår, at Claude Code stadig føles forringet i forhold til dens tidligere præstation. Om det er:

• Blivende effekter fra fejlene
• Nye problemer, der ikke er identificeret
• Psykologisk bias efter uger med problemer
• Eller faktisk fortsat forringelse

…vi ved det endnu ikke.

Bundlinjen

Denne situation er et perfekt case-study i, hvordan komplekse AI-systemer kan fejle på fuldstændig uventede måder. Tre separate fejl, der alle udløste inden for uger af hinanden, skabte en opfattelse af massiv kvalitetsforringelse, der tog seks uger at diagnosticere og løse.

Vi kan give en del kreditter til Anthropic for transparensen. At udgive en detaljeret teknisk post-mortem er mere, end de fleste selskaber ville gøre. Men det viser også, hvor meget der kan gå galt under hood’en på disse systemer, vi står mere og mere afhængige af.

For enhver, der bygger på toppen af Claude eller enhver LLM: du har brug for redundans, validering og reserveplaner. For som vi lige har set, kan selv de bedste AI-systemer have tre forskellige problemer samtidig, og det kan tage uger, før nogen opdager, hvad der faktisk sker.

Infrastrukturen, der understøtter disse AI-modeller, er lige så vigtig som modellerne selv. Og lige nu viser den infrastruktur nogle alvorlige vækst-smerter.