Opus 5.5 stiller Wandel: Am 3. November kippte das Denken
Is Opus 5.5 nerfed? Thinking patterns changed on November 3
Shane Melaugh ließ Gemini 4 Argon 1.400 Claude-Code-Sitzungen auswerten – und fand einen klaren Bruch am 3. November. Der Modellname blieb gleich, doch die Denkweise von Opus 5.5 änderte sich scharf, und im Modus „high“ brach der Umfang des Reasonings ein. Ein Test an einem echten Bug zeigt: „high“ stürzt sich zu schnell in die Arbeit und findet nach drei Stunden keine Lösung, während „xhigh“ kurz nachdenkt und in Minuten zum Fix kommt.
Also ja, du bildest dir nichts ein. Der Nerf ist real.
- PhunkyPhil
Ich habe keine Belege/Studien, um das zu untermauern, aber ich habe das Gefühl, dass in verschiedenen Phasen des Release-Zyklus und je nach Kontofrische _massiv_ an der Quantisierung/Funktionalität der Modelle herumgeschraubt wird.
Jedes Mal, wenn ein neues Modell erscheint, wirkt es wahnsinnig mächtig, und dann regressiert es auf irgendein generisches SOTA-Niveau, an das wir uns in den letzten 6 Monaten gewöhnt haben.
Ich erinnere mich an meinen ersten Coding-Prompt, ich glaube, es war sonnet 4.6, auf einem frischen Konto, und es war schockierend, wie viel es erfolgreich mit einem einzigen Prompt hinbekommen hat – das habe ich bei keinem anderen Modell zu keinem anderen Zeitpunkt wiedergefunden, und ich vermute, es lag daran, dass sie mich ganz oben auf die Prioritätsliste gesetzt haben, um eine "Wow"-Reaktion zu erzeugen.
Dass es nach einem Release zu einer Regression kommt, ist ziemlich unumstritten, aber ich frage mich, ob sie heimlich einen riesigen Vorrat in der Hinterhand haben, den sie nicht rausbringen. Entweder als Karte, die sie später ausspielen können, oder weil sie mit der Nachfrage nicht mithalten können. Ich habe Anekdoten von Leuten gehört, die mit diesen Firmen arbeiten, dass die öffentlichen Modelle nicht einmal ansatzweise an ihre tatsächlichen Fähigkeiten heranreichen... Hat jemand eine Meinung dazu?
- PaulKeeble
Das lokale Qwen 3.8 27B ist vielleicht längst nicht so schlau wie Claudes Modelle, aber ich wache nie eines Morgens auf und frage mich, ob ich Teil eines Testmodells bin, um zu sehen, ob ich etwas akzeptiere, das etwas weniger fähig ist oder nicht so gut auf die Tools trainiert wurde, die ich tagtäglich nutze. Es wird auch nicht plötzlich anfangen, sich zu weigern, die Sicherheit meines Systems zu testen oder den Code nach Schwachstellen zu scannen oder weiter an jener alten Binary herumzureverse-engineeren, deren Code die Firma vor Jahren verloren hat.
Das schätze ich auch an einigen der anderen Labs wie deepseek, die den Checkpoint veröffentlichen, auf dem sie laufen, und dir den alten trotzdem noch eine Zeit lang verkaufen.
Es ist unverschämt verbraucherfeindlich, ständig zu ändern, wofür ein Modell steht, und das gegenüber Kunden, die ihnen verdammt viel mehr Geld dafür zahlen, auf den Frontier-Modellen zu sein.
- rzk
Es scheint ein A/B-Testing-Experiment zu sein:
https://www.reddit.com/r/ClaudeCode/comments/1xr9x5y/the_ner...
- losvedir
Hat irgendjemand mit Evals ein echtes Signal aufgefangen? Ich habe gelernt, "Vibes" nicht zu trauen.
Das einzige, das mir bekannt ist und das speziell Opus 5.5 über die Zeit testet, ist https://github.com/ninjahawk/livenerf, und es zeigt nichts.
- jascha_eng
Leider hat das Ding vor ein paar Wochen aufgehört zu laufen, die Halbwertszeit von Produkten ist heutzutage wirklich gering, sonst hätten wir Daten, auf die wir uns verlassen könnten: https://marginlab.ai/trackers/claude-code/
- benwills
Mir ist vor ein paar Wochen ein Qualitätsrückgang bei Fable aufgefallen. Und ich habe bemerkt, dass Opus in der letzten Woche nachgelassen hat, selbst nachdem ich fast überall standardmäßig auf Extra High reasoning hochgestellt habe. Der heutige Abend war zum Verrücktwerden mit der Art absurder Fehler, die es wiederholt macht. So frustrierend.
Ich bin der Typ Mensch, der etwas Konsistentes und Zuverlässiges will. Und Anthropic war großartig, außer in dieser Hinsicht. Was eine ausreichend wiederkehrende Frustration ist (etwa alle paar Monate in diesem Jahr), dass ich mich wirklich darauf freue, dass andere Optionen aufholen. Dann werde ich so schnell wie möglich gehen.
Ich weiß nur nicht, wie lange das dauern wird.
- purpleidea
Es ist schon seit langem nerfed. Wer das ursprüngliche Fable 5 ausprobiert hat, weiß, wie gut das war, und alle nachfolgenden Modelle, einschließlich des aktuellen Fable und Opus, sind definitiv nerfed worden. Es ist, als würden sie einen obligatorischen Fehler von 5 % zu jedem Code hinzufügen usw...
- ricardobeat
Mir ist dasselbe aufgefallen, und ich habe vor drei Tagen darüber gepostet.
Opus vergeigt plötzlich einfache Tool-Aufrufe und schafft es nicht, Aufgaben zu beenden, selbst bei high, wo ich es seit seinem Erscheinen dauerhaft mit low effort erfolgreich benutzt hatte. Es ist sehr frustrierend.
Meine Vermutung ist, dass sie es quantisiert und/oder DC-Kapazität umverteilt haben, um ein neues Modell zu trainieren, das ist schon früher passiert.
- Zambyte
Es haut mich um, wie Leute ihre Workflows immer noch darauf aufbauen, von solchen Diensten abhängig zu sein, wo es doch so einfach ist, einfach selbst zu hosten und das alles zu vergessen. Du kannst eine GPU kaufen, die Qwen 3.8 flash next laufen kann, für etwa 9 Monate des höchsten Claude Code Abos. Du musst dir nie Sorgen um Token-Limits machen, darum, dass das Modell dir unter den Füßen weggewechselt wird, darum, gebannt zu werden usw.
- hoppp
Sie nerfen immer, bevor sie ein neues Modell rausbringen, damit es besser aussieht, meiner Meinung nach