开发者质疑Claude Opus 5.5推理能力下降
有开发者分析Claude Code使用记录，称模型思维摘要风格与推理表现出现变化，但另一方的数据未显示性能下滑。
多名开发者公开提出，Anthropic 旗下的 Claude Opus 5.5 在推理能力上出现了退化，依据是对 Claude Code 使用日志的分析。相关说法由日本媒体 GIGAZINE 报道。
开发者 Shane Melaugh 分析了约 1400 条 Claude Code 使用记录，称在本月 3 日前后，模型的思考摘要句式和作业方式出现了明显变化。他用谷歌的 Gemini 4 Argon 分析了上月 9 日至本月 7 日的记录。
据其统计，以「I'm」开头的思考摘要占比从 20% 至 30% 升至 61.3%，而「I should」「I need to」等表述的占比从约 50% 降至 10.9%。对比本月 3 日前后约 29400 次交互，首个任务前显示的思考 token 中位数从 84 降至 54，降幅约 36%；代码执行与修正的错误指标上升 47%。在修复同一音频播放缺陷的编程测试中，推理档位设为「high」的模型在 160 次交互后仍未成功，而「xhigh」档位在 5 次交互内完成修复。
不过，Anthropic 的官方文档指出，用户看到的思考文本是由另一个模型生成的摘要，并非 AI 实际的内部推理过程。开发者 Theo Browne 分析了约 45.8 万条回复，发现思考摘要的风格确有变化，但变化时间因账号而异，且每次回复的平均思考 token 从 369 升至 413。Browne 表示，在他的环境中没有发现性能下滑的迹象，并推测 Anthropic 可能正在按账号逐步调整思考摘要的生成方式。
Melaugh 也承认，他的调查并非严格的性能评测。目前尚无法确认 Anthropic 是否真的降低了模型性能，仍需进一步验证。
快速问答
Claude Opus 5.5 的推理能力真的下降了吗？
目前尚未确认。有开发者根据使用记录提出性能退化，也有开发者表示未复现性能下滑，需进一步验证。
用户看到的思考文本是模型的真实推理吗？
不是。Anthropic 官方文档称，展示给用户的思考文本是由另一个模型生成的摘要。