¿Opus 5.5 nerfeado? Los programadores ven una caída, los tests no

El 7 de noviembre de 2026, Shane Melaugh preguntó en X si Opus 5.5 había sido «nerfeado», es decir, debilitado en silencio. Según su análisis de 1.400 sesiones de Claude Code, el modelo cambió su forma de razonar alrededor del 3 de noviembre. El lunes el mismo hilo llegó a la portada de Hacker News (320 puntos y 215 comentarios en pocas horas), y Anthropic por ahora no lo ha comentado.

¿Qué han notado exactamente los programadores?

Melaugh reunió las quejas de otros programadores: Opus 5.5 en Claude Code ignoraría instrucciones, repetiría los mismos errores y lanzaría subagentes para tareas menores. Después pasó 1.400 de sus propias sesiones al modelo Gemini 4 Argon para que las analizara. Resultado: el mismo nombre de modelo, pero alrededor del 3 de noviembre su forma de razonar (cito) «took a sharp turn». El post ya roza las 500.000 visualizaciones.

No es la única señal. En el GitHub de Claude Code está abierta desde el 26 de octubre la incidencia #105112, con cifras mucho más sólidas. Su autor analizó 6.638 respuestas de Opus 5.5 de sus transcripciones y señala otra fecha: el cambio entre el 18 y el 19 de octubre.

1. Antes del cambio corregía el 5,2 % de 5.738 respuestas; después, el 25,4 % de 900.
2. El aumento se ve en todos los niveles de effort: medium, high, xhigh y max.
3. El modelo no piensa menos: de media 4.434 tokens de razonamiento por respuesta en la semana del 12 de octubre y 6.702 una semana después. Según el autor, el problema es que el modelo investiga y luego responde en contra de lo que ha leído.
4. En una actualización del 5 de noviembre indica un 17,0 % de correcciones entre el 2 y el 4 de noviembre, frente al 3,6–7,0 % semanal desde finales de agosto hasta mediados de octubre.

El autor también comprobó que no había cambiado nada por su parte (la misma versión del cliente, CLAUDE.md, hooks). A la incidencia se sumó un segundo usuario con un patrón similar en Windows 11. Nadie de Anthropic ha respondido.

Opus 5.5 nerfeado: ¿qué dicen los tests?

Aquí el panorama se invierte. El proyecto LiveNerf pasa cada día desde el lanzamiento el mismo conjunto de 78 preguntas (GPQA Diamond, MMLU-Pro, AIME y matemáticas de competición) por Claude Code, evaluadas sin un juez de IA. Estado a 8 de noviembre, día 46 de 60: «no change detected in Opus 5.5». Un hilo anterior sobre LiveNerf reunió más de 900 puntos en HN, así que el tema del «nerf» vuelve una y otra vez desde el lanzamiento.

Eso sí, LiveNerf mide algo distinto de lo que denuncian los programadores: preguntas de examen sueltas sobre una versión fijada de Claude Code 2.1.280, no sesiones agénticas de horas con herramientas. Ambas cosas pueden ser ciertas a la vez.

¿De dónde puede venir la diferencia?

Primero, de los resúmenes del razonamiento. Claude no muestra su razonamiento en bruto, solo un resumen. Theo, de T3, cree (lo sabemos de segunda mano, por la crónica de AICoder) que Anthropic está cambiando gradualmente, cuenta por cuenta, precisamente el módulo que escribe esos resúmenes, y que él no ve una caída de capacidades. En ese caso, el análisis de Gemini estaría viendo un cambio en el estilo de los resúmenes, no en el propio modelo. Algunos comentaristas de HN opinan lo mismo.

Segundo, de los ajustes de effort. Según la documentación de Anthropic, Opus 5.5 funciona por defecto en medium, un nivel por debajo de Opus 5 (high). Además, Claude Code ha cambiado en sus últimas versiones el effort con el que se ejecutan los subagentes (Changelog, versiones 2.1.316–2.1.317).

Tercero, del precedente. Como sabemos, en abril Anthropic explicó en un postmortem que las quejas sobre Claude Code tenían tres causas en el producto: un effort por defecto más bajo, un error que borraba el razonamiento antiguo en cada turno y una instrucción que acortaba las respuestas. Nadie tocó entonces los pesos del modelo, y la empresa aseguró que «we never intentionally degrade our models». Así que un cambio en el producto alrededor del modelo puede parecer un «modelo más tonto» sin serlo.

¿En qué fijarse?

Mientras Anthropic no se pronuncie, es una disputa basada en datos de personas concretas, así que tomémosla con cautela. Aun así, la incidencia #105112 es lo bastante detallada (con el identificador de una petición de ejemplo) como para que Anthropic la pueda verificar por su parte.

En nuestro propio entorno podemos al menos descartar la configuración. Según el Changelog, en Claude Code el effort se ajusta a nivel de proyecto (effortLevel), para los subagentes con la variable CLAUDE_CODE_SUBAGENT_EFFORT, y «ultrathink» ejecuta un turno en Opus 5.5 con effort xhigh. Escribí más sobre en qué gasta tokens Claude Code al hablar del consumo de tokens de los estados de los agentes y de los límites de uso.

FAQ

¿Ha confirmado Anthropic que Opus 5.5 es más débil?

No. Hasta el 9 de noviembre no he encontrado ningún comentario público de Anthropic, y nadie de la empresa ha respondido en la incidencia #105112.

¿Ha debilitado Anthropic a Claude alguna vez?

En abril de 2026 la empresa reconoció que la calidad de Claude Code había bajado por tres cambios en el producto, corregidos en la versión 2.1.116. Según el postmortem, los modelos en sí no se modificaron.

¿Cuál es el effort por defecto de Opus 5.5?

Medium. Opus 5 y los modelos Opus anteriores usan high por defecto, así que una petición sin effort definido funciona en Opus 5.5 un nivel por debajo.