Claude Opus 5.5、推論能力低下の指摘 開発者が1400件分析

概要

詳細

何が報告されたか

Melaugh氏は、2026年10月9日から11月7日までの約1400件のClaude Codeセッションを、Googleの「Gemini 4 Argon」を使って分析しました。その結果、2026年11月4日午前3時ごろを境に、応答の傾向がはっきり変化したといいます。進行中だった7件のセッションでも同じ変化が確認されたとしています。

具体的な数字で見る変化

Melaugh氏の分析によると、「I’m」で始まる文の割合は約20~30%から61.3%に増加し、「I should」「I need to」といった言い回しは約50%から10.9%に減少しました。ダッシュ記号の使用率も40~55%から6.5%に下がったといいます。最初の行動までに使われる思考トークン数の中央値は84から54へと、約36%減少しました。比較対象は、11月3日より前の1万4560件の応答と、それ以降の1万4871件の応答です。

Melaugh氏は、同じ音声再生関連のバグ修正を異なる設定で試した例も示しています。「high」設定では160回のやり取り、約3時間、13ドルをかけても解決できなかったのに対し、「xhigh」設定では5回のやり取り、0.85ドルで解決したとしています。このときの思考トークンの最大値は、「high」が1941、「xhigh」が1万2837だったといいます。

食い違う分析結果

一方、別の開発者Theo Browne氏は45万8000件のOpus 5.5の応答を分析し、1件あたりの平均思考トークン数は369から413に増加していたと報告しています。Browne氏は、Anthropicが2026年10月30日から11月4日の間に、アカウントごとに段階的な変更を展開している可能性を指摘していますが、自身の環境では能力低下の様子は見られなかったとしています。

注意点

Anthropicの公式ドキュメントでは、Claude Codeに表示される「thinking」は、内部の推論そのものではなく、別のモデルが書き起こした要約だと説明されています。そのため、要約を作るモデルや方式が変わっただけでも、表示される文章の雰囲気は変わり得ます。Melaugh氏自身も、この分析は厳密な科学的検証ではないと述べています。2026年4月にも、Anthropicは当時のClaude Codeの品質低下が推論の強度設定の変更によるものだったと説明した経緯があり、同種の調整が今回も関係している可能性はありますが、本稿時点では未確認です。