Livenerf：Opus 5.5 已被悄悄削弱？
Livenerf: Has Opus 5.5 been nerfed yet?
针对社区关于 Anthropic 在发布后悄悄削弱模型的传闻，GitHub 项目 Livenerf 提供了一个严谨的基准测试方案。该项目通过锁定提示词、固定 CLI 版本和保留完整日志，利用 Inspect 框架对 Claude Opus 5.5 进行每日自动化评估。测试重点不仅在于准确率，更关注输出 Token 数量的变化，因为模型“偷懒”往往先体现在推理长度的缩短上。通过预注册协议和统计显著性分析，Livenerf 旨在用数据而非直觉，验证模型在发布后是否发生了性能漂移。
如果模型开始悄悄减少思考，输出 Token 数量往往是第一个出现异常的地方，通常比准确率下降更早显现。