Is Opus 5.5 nerfed? Thinking patterns changed on November 3
821 points • 3 days ago • Article Link

Shane Melaugh 报告称 Opus 5.5 的表现明显下滑,暗示该模型很可能已经被"削弱"。他的结论基于使用 Gemini 4 Argon 进行的一项分析:该分析共处理了 1,400 个 Claude Code 会话。数据显示,模型的推理能力在 11 月 3 日发生了显著转折。尽管模型的官方名称没有变化,但其底层行为的改变足以扰乱用户的工作流程。

这项分析的一个核心发现是:当 Opus 5.5 被设置为"high"档时,实际执行的推理量大幅减少。 Melaugh 指出,如今模型似乎会过快投入任务,进而让人感到困惑,甚至即便投入数小时仍难以有效修复代码中的错误。相对而言,"xhigh"档需要稍作处理时间,但更能在几分钟内找出并落实正确方案。

Melaugh 建议,曾经很流行的做法——对每个任务都一律使用"high"档——已经不再适用。他强调,这些判断来自他在日常编码项目中对模型可靠性下降的亲身挫败。虽然他承认自己的分析并非严格意义上、经科学检验无懈可击的基准测试,但他在日志中观察到的规律与性能退化的趋势高度一致。

该说法已在技术社区引发更多讨论,开发者希望通过自己的日志来核实这些现象。尽管行为变化背后的根本原因仍未确认,但现有反馈对那些依赖 Opus 5.5 处理复杂任务的用户构成了提醒:用户可能需要调整设置,或更依赖"xhigh"配置,才能获得过去从该模型身上期望的推理表现。

518 comments • Comments Link

- 人们越来越担心 Anthropic 会对用户进行 A/B 测试:暗中"削弱"模型性能,进而拉低代码质量、增加 Token 用量,并提高错误率。

- 用户对模型持续退化表现出强烈不满,并推测在 IPO 之前,算力可能被重新分配到训练、托管或更新尚未发布的模型上。

- 普遍观点认为,这种性能波动是"恶化"(enshittification)的信号:供应商把利润率和计算效率放在用户一致性与产品可靠性之上。

- 一个反复出现的现象是,用户觉得前沿模型在新版本发布前夕会"变笨";有人认为这可能是为了让后续版本通过对比显得更强。

- 虽然不少用户依赖前沿模型主要是因为其出色的推理能力,但越来越多的人主张用本地 AI 作为防止"模型漂移"(model drift)的手段,让代码编写工具保持稳定,并由用户掌控。

- 对那些更看重可预测性、希望能无限并发任务且不受订阅限制约束的开发者来说,自托管或使用像 Qwen 3.8-Flash-Next 这样的开放权重模型,正逐渐被视为一种可行替代方案。

- 反对"削弱"说法的人认为,感知到的退化通常源于认知偏差,或者是非确定性系统中自然的波动;也可能只是用户随着时间推移逐渐适应了模型能力的变化。

- 本地 AI 的怀疑者指出,目前它很难达到前沿模型的推理"极限目标",而要实现同等水平所需的硬件投入对很多人来说又过于昂贵。

- 模型版本控制或性能标准的透明度不足,是争议焦点之一;有人呼吁通过独立的"神秘顾客"式基准测试,追究供应商对其付费订阅质量所承担的责任。

- 许多参与者认为,当前的 AI 生态更像"赌场":缺乏稳定性迫使专业用户不断调整工作流程,以应对模型供应商频繁的变化和限制。

这场讨论的核心矛盾,在于高性能云模型带来的便利性,与专业开发所需要的稳定、可靠工具之间的冲突。许多用户报告称,像 Opus 和 Fable 这样的模型效果出现了明显且令人痛苦的下滑,并把这些变化解读为:供应商在财务里程碑之前为管理算力或操纵市场认知所采取的策略。尽管也有人把这些反馈视为轶事偏见,或认为这是人类神经系统对新技术的自然适应,但大量类似的说法仍表明,用户在处理关键任务时所依赖的服务确实存在真实的不稳定性问题。最终,这场对话凸显出两方之间的分歧:一方愿意把专有 AI 的"黑箱"属性当作经营成本;另一方则越来越多地转向本地方案,以重新夺回对自身专业环境的控制权。