Opus 5.5 は劣化した？開発者は低下を実感、ベンチマークは検出せず

2026年11月7日、Shane Melaugh 氏が X で Opus 5.5 は「ナーフ（nerf）」されたのか、つまりこっそり性能を落とされたのかと問いかけました。Claude Code の1400セッションを分析した結果、11月3日ごろにモデルの推論の仕方が変わったといいます。いわゆる Opus 5.5 劣化疑惑です。月曜日には同じスレッドが Hacker News のトップページに載り（数時間で320ポイント、コメント215件）、Anthropic は今のところコメントしていません。

開発者は具体的に何に気づいたのか？

Melaugh 氏は他の開発者の不満を集めました。Claude Code の Opus 5.5 が指示を無視する、同じミスを繰り返す、ささいな作業にサブエージェントを起動する、といったものです。そのうえで自身の1400セッションを Gemini 4 Argon に分析させました。結果は、モデル名は同じなのに、11月3日ごろに推論の仕方が（原文のまま）「took a sharp turn」というもの。投稿の閲覧数はすでに50万近くに達しています。

兆候はこれだけではありません。Claude Code の GitHub では10月26日から Issue #105112 がオープンになっており、こちらはずっと硬い数字を示しています。投稿者は自分のトランスクリプトから Opus 5.5 の応答6638件を集計し、別の日付、10月18日から19日にかけての転換点を指摘しています。

1. 転換点の前は 5738件中5.2% の応答を修正していたのが、後は 900件中25.4% に。
2. 増加は medium、high、xhigh、max のすべての effort レベルで見られる。
3. モデルの思考が短くなったわけではない。10月12日の週は応答あたり平均 4434思考トークン、翌週は 6702。投稿者によれば、問題は モデルが調べたうえで、読んだ内容に反する回答をする ことにある。
4. 11月5日の更新では、11月2〜4日の修正率を17.0%と報告。8月末から10月中旬までは週3.6〜7.0%だった。

投稿者は自分の側で何も変えていないこと（同じクライアントバージョン、CLAUDE.md、hooks）も確認しています。Windows 11 で同様の傾向を見た2人目のユーザーも Issue に加わりました。Anthropic の関係者からの返信はありません。

Opus 5.5 劣化：ベンチマークは何を示しているか？

ここで構図が逆転します。LiveNerf プロジェクトはリリース以来、毎日同じ78問のセット（GPQA Diamond、MMLU-Pro、AIME、競技数学）を Claude Code に通し、AI の審査員なしで採点しています。11月8日時点（60日中46日目）の結果は「no change detected in Opus 5.5」。LiveNerf を取り上げた以前の HN スレッドは900ポイントを超えており、「ナーフ」の話題はリリース以来何度も蒸し返されています。

ただし LiveNerf が測っているのは、不満を訴える開発者とは別のものです。固定された Claude Code 2.1.280 上での単発の試験問題であって、ツールを使う何時間ものエージェントセッションではありません。両方が同時に正しいこともありえます。

差はどこから生まれるのか？

1つ目は思考の要約です。Claude は生の推論を見せず、その要約だけを表示します。T3 の Theo 氏は（AICoder の記事経由の又聞きですが）、Anthropic がアカウントごとに段階的に、まさにこの要約を書くモジュールを変えているのであって、能力の低下は見られないと考えています。そうだとすれば、Gemini の分析が捉えたのはモデル自体ではなく要約のスタイルの変化ということになります。HN のコメント欄にも同様の意見があります。

2つ目は effort の設定です。Anthropic のドキュメントによると、Opus 5.5 のデフォルトは medium で、Opus 5（high）より1段階低くなっています。さらに Claude Code は最近のバージョンで、サブエージェントが動く effort を変更しました（Changelog、バージョン 2.1.316〜2.1.317）。

3つ目は前例です。ご存じのとおり、Anthropic は4月のポストモーテムで、Claude Code への不満には製品側の原因が3つあったと説明しました。デフォルト effort の引き下げ、ターンごとに過去の思考を消してしまうバグ、そして応答を短くする指示です。このときモデルの重みには誰も手を加えておらず、同社は「we never intentionally degrade our models」と強調しました。つまり、モデルを取り巻く製品の変更は、実際にはそうでなくても「モデルが賢くなくなった」ように見えることがあるのです。

何に注目すべきか？

Anthropic が口を開くまでは、個人のデータに基づく論争なので、距離を置いて受け止めましょう。とはいえ Issue #105112 は（サンプルリクエストの ID まで添えた）十分に詳細な内容で、Anthropic 側で検証できるものです。

自分の環境では、少なくとも設定の問題は除外できます。Changelog によれば、Claude Code では effort をプロジェクト単位（effortLevel）で、サブエージェントには環境変数 CLAUDE_CODE_SUBAGENT_EFFORT で設定でき、「ultrathink」を使うと Opus 5.5 のターンが effort xhigh で実行されます。Claude Code がどこでトークンを使っているかは、エージェントのステータス更新によるトークン消費と利用制限の記事で詳しく書きました。

FAQ

Anthropic は Opus 5.5 の性能低下を認めたのか？

いいえ。11月9日時点で Anthropic の公式コメントは見つからず、Issue #105112 にも同社の誰も返信していません。

Anthropic が過去に Claude の性能を落としたことはあるのか？

2026年4月、同社は Claude Code の品質が製品側の3つの変更によって低下したと認め、バージョン 2.1.116 までに修正しました。ポストモーテムによれば、モデル自体は変更されていません。

Opus 5.5 のデフォルト effort は？

medium です。Opus 5 以前の Opus モデルはデフォルトで high を使うため、effort を指定しないリクエストは Opus 5.5 では1段階低く動きます。