Opus 5.5 nerf? Programiści widzą spadek, testy go nie widzą

Shane Melaugh zapytał 7 listopada 2026 r. na X, czy Opus 5.5 został „znerfiony”, czyli po cichu osłabiony. Według jego analizy 1400 sesji Claude Code model zmienił sposób rozumowania około 3 listopada. W poniedziałek ten sam wątek trafił na pierwszą stronę Hacker News (320 punktów i 215 komentarzy w kilka godzin), a Anthropic na razie go nie skomentował.

Co właściwie zauważyli programiści?

Melaugh zebrał skargi innych programistów: Opus 5.5 w Claude Code miał ignorować instrukcje, powtarzać te same błędy i odpalać subagentów do drobnych zadań. Potem dał 1400 swoich sesji do przeanalizowania modelowi Gemini 4 Argon. Wynik: nazwa modelu ta sama, ale około 3 listopada sposób rozumowania (cytując) „took a sharp turn”. Post ma już prawie 500 tys. wyświetleń.

Nie jest to jedyny sygnał. Na GitHubie Claude Code od 26 października otwarte jest zgłoszenie #105112 z dużo twardszymi liczbami. Jego autor przeliczył 6638 odpowiedzi Opus 5.5 ze swoich transkryptów i wskazuje inną datę: przełom między 18 a 19 października.

1. Przed przełomem poprawiał 5,2% z 5738 odpowiedzi, po nim 25,4% z 900.
2. Wzrost widać na każdym poziomie effort: medium, high, xhigh i max.
3. Model nie myśli krócej: średnio 4434 tokeny myślenia na odpowiedź w tygodniu od 12 października i 6702 tydzień później. Według autora problem polega na tym, że model robi research, a potem odpowiada wbrew temu, co przeczytał.
4. W aktualizacji z 5 listopada podaje 17,0% poprawek w dniach 2–4 listopada, wobec 3,6–7,0% tygodniowo od końca sierpnia do połowy października.

Autor sprawdził też, że po swojej stronie niczego nie zmieniał (ta sama wersja klienta, CLAUDE.md, hooki). Do zgłoszenia dołączył drugi użytkownik z podobnym wzorcem na Windows 11. Pod zgłoszeniem nie ma odpowiedzi nikogo z Anthropic.

Opus 5.5 nerf: co mówią testy?

Tu obraz się odwraca. Projekt LiveNerf od premiery codziennie puszcza przez Claude Code ten sam zestaw 78 pytań (GPQA Diamond, MMLU-Pro, AIME i matematyka konkursowa), ocenianych bez sędziego AI. Stan na 8 listopada, 46. dzień z 60: „no change detected in Opus 5.5”. Wcześniejszy wątek o LiveNerf zebrał na HN ponad 900 punktów, więc temat „nerfu” wraca od premiery.

Tyle że LiveNerf mierzy coś innego niż skarżący się programiści: pojedyncze pytania egzaminacyjne na przypiętej wersji Claude Code 2.1.280, a nie wielogodzinne sesje agentowe z narzędziami. Obie rzeczy mogą być prawdą jednocześnie.

Skąd może się brać różnica?

Po pierwsze, z podsumowań myślenia. Claude nie pokazuje surowego rozumowania, tylko jego streszczenie. Theo z T3 uważa (znamy to z drugiej ręki, z relacji AICoder), że Anthropic stopniowo zmienia na kontach właśnie moduł, który pisze te streszczenia, i że nie widzi spadku możliwości. Wtedy analiza Gemini widziałaby zmianę stylu streszczeń, a nie samego modelu. Podobnie piszą niektórzy komentujący na HN.

Po drugie, z ustawień effort. Według dokumentacji Anthropic Opus 5.5 domyślnie działa na poziomie medium, o jeden niżej niż Opus 5 (high). Do tego Claude Code w ostatnich wersjach zmieniał to, z jakim effortem działają subagenci (Changelog, wersje 2.1.316–2.1.317).

Po trzecie, z precedensu. Jak wiemy, w kwietniu Anthropic opisał w postmortemie, że skargi na Claude Code miały trzy przyczyny po stronie produktu: obniżony domyślny effort, błąd czyszczący stare myślenie w każdej turze i instrukcję skracającą odpowiedzi. Wag modelu nikt wtedy nie ruszał, a firma zapewniała, że „we never intentionally degrade our models”. Zmiana w produkcie wokół modelu może więc wyglądać jak „głupszy model”, choć nim nie jest.

Na co zwrócić uwagę?

Dopóki Anthropic się nie odezwie, to spór oparty na danych pojedynczych osób, więc traktujmy go z dystansem. Zgłoszenie #105112 jest jednak na tyle szczegółowe (z identyfikatorem przykładowego zapytania), że da się je sprawdzić po stronie Anthropic.

Na własnym podwórku możemy przynajmniej wykluczyć ustawienia. Według Changelogu w Claude Code effort ustawimy na poziomie projektu (effortLevel), dla subagentów przez zmienną CLAUDE_CODE_SUBAGENT_EFFORT, a „ultrathink” uruchamia turę na Opus 5.5 z effortem xhigh. Więcej o tym, gdzie Claude Code wydaje tokeny, pisałem przy zużyciu tokenów przez statusy agentów i limitach użycia.

FAQ

Czy Anthropic potwierdził, że Opus 5.5 jest słabszy?

Nie. Do 9 listopada nie znalazłem publicznego komentarza Anthropic, a pod zgłoszeniem #105112 nie odpowiedział nikt z firmy.

Czy Anthropic kiedyś osłabił Claude?

W kwietniu 2026 r. firma przyznała, że jakość Claude Code spadła przez trzy zmiany w produkcie, naprawione do wersji 2.1.116. Według postmortemu same modele nie były zmieniane.

Jaki jest domyślny effort Opus 5.5?

Medium. Opus 5 i wcześniejsze modele Opus domyślnie używają high, więc zapytanie bez ustawionego effortu działa na Opus 5.5 o poziom niżej.