Opus 5.5 降智了吗？开发者感觉变差，基准测试却没发现

2026 年 11 月 7 日，Shane Melaugh 在 X 上发问：Opus 5.5 是不是被“nerf”了，也就是被悄悄削弱、俗称“降智”。根据他对 1400 次 Claude Code 会话的分析，模型的推理方式在 11 月 3 日前后发生了变化。周一，这个话题登上了 Hacker News 首页（几小时内 320 分、215 条评论），而 Anthropic 目前还没有回应。

开发者到底注意到了什么？

Melaugh 汇总了其他开发者的抱怨：Claude Code 里的 Opus 5.5 据说会无视指令、反复犯同样的错误，还会为小任务启动子智能体。随后他把自己的 1400 次会话交给 Gemini 4 Argon 分析。结论是：模型名称没变，但在 11 月 3 日前后，它的推理方式（原话）“took a sharp turn”。这条帖子的浏览量已接近 50 万。

这不是唯一的信号。Claude Code 的 GitHub 上，issue #105112 自 10 月 26 日起一直开着，数据要硬得多。作者统计了自己会话记录里 Opus 5.5 的 6638 条回复，指出的是另一个日期：10 月 18 日到 19 日之间的转折点。

1. 转折点之前，他需要纠正 5738 条回复中的 5.2%，之后是 900 条中的 25.4%。
2. 各个 effort 等级都出现了上升：medium、high、xhigh 和 max。
3. 模型并没有想得更少：10 月 12 日那一周平均每条回复 4434 个思考 token，一周后是 6702 个。作者认为问题在于 模型做完调研后，给出的回答却与它读到的内容相悖。
4. 在 11 月 5 日的更新中，他报告 11 月 2–4 日的纠正率为 17.0%，而 8 月底到 10 月中旬每周为 3.6–7.0%。

作者还确认自己这边什么都没改（同样的客户端版本、CLAUDE.md、hooks）。另一位在 Windows 11 上看到类似模式的用户也加入了这个 issue。Anthropic 方面没有任何人回复。

Opus 5.5 降智：基准测试怎么说？

到这里情况反转了。LiveNerf 项目从发布起每天让 Claude Code 跑同一套 78 道题（GPQA Diamond、MMLU-Pro、AIME 和竞赛数学），评分不用 AI 裁判。截至 11 月 8 日（60 天中的第 46 天）：“no change detected in Opus 5.5”。此前一篇关于 LiveNerf 的 HN 帖子拿到了 900 多分，可见“nerf”话题自发布以来一直反复出现。

不过，LiveNerf 测的和开发者抱怨的不是一回事：它测的是固定版本 Claude Code 2.1.280 上的单道考题，而不是带工具、长达数小时的智能体会话。两者完全可能同时成立。

差异可能从何而来？

第一，思考摘要。Claude 不展示原始推理，只展示它的摘要。T3 的 Theo 认为（这是二手信息，来自 AICoder 的报道），Anthropic 正在按账号逐步更换的，恰恰是写这些摘要的模块，而他并没有看到能力下降。如果是这样，Gemini 的分析看到的就是摘要风格的变化，而不是模型本身的变化。HN 上也有一些评论者持同样看法。

第二，effort 设置。根据 Anthropic 文档，Opus 5.5 默认运行在 medium，比 Opus 5（high）低一档。此外，Claude Code 最近几个版本还改动了子智能体使用的 effort（Changelog，2.1.316–2.1.317 版）。

第三，先例。我们知道，今年 4 月 Anthropic 在一份事后复盘中说明，针对 Claude Code 的抱怨有三个产品层面的原因：默认 effort 被调低、一个每轮都清除旧思考内容的 bug，以及一条缩短回复的指令。当时没有人动过模型权重，公司也表示“we never intentionally degrade our models”。所以，模型周边的产品改动，看起来可能就像“模型变笨了”，即使模型本身并没有变。

需要注意什么？

在 Anthropic 表态之前，这是一场基于个人数据的争论，我们不妨保持距离。不过 issue #105112 写得足够详细（附有一个示例请求的 ID），Anthropic 完全可以在自己这边核实。

在我们自己的环境里，至少可以先排除设置问题。根据 Changelog，在 Claude Code 中可以按项目设置 effort（effortLevel），子智能体则通过环境变量 CLAUDE_CODE_SUBAGENT_EFFORT 设置，而“ultrathink”会让 Opus 5.5 以 xhigh effort 跑一轮。关于 Claude Code 把 token 花在了哪里，我在 智能体状态更新的 token 消耗 和 用量限制 两篇文章里写得更详细。

常见问题

Anthropic 是否承认 Opus 5.5 变弱了？

没有。截至 11 月 9 日，我没有找到 Anthropic 的任何公开评论，issue #105112 下也没有该公司的人回复。

Anthropic 以前削弱过 Claude 吗？

2026 年 4 月，公司承认 Claude Code 的质量因三项产品改动而下降，并在 2.1.116 版之前修复。根据事后复盘，模型本身没有被改动。

Opus 5.5 的默认 effort 是什么？

medium。Opus 5 及更早的 Opus 模型默认使用 high，因此不设置 effort 的请求在 Opus 5.5 上会低一档运行。