Anthropic旗下AI模型Claude Opus 5.5近日陷入“推理能力下降”争议。部分开发者认为，该模型近期在响应方式和解题表现上出现变化；也有观点指出，这未必意味着模型真实性能下滑，更可能是“思考摘要”的呈现方式发生了调整。

日本媒体Gigazine 10日报道称，开发者Shane Melaugh在分析约1400条Claude Code使用记录后表示，以本月3日为分界点，模型思考摘要的写法以及整体响应模式都出现了较为明显的变化。

据报道，Melaugh借助Google的Gemini 4 Argon，对上月9日至本月7日期间的相关记录进行了分析。结果显示，以“I’m”开头的思考摘要句子占比，从此前的20%至30%升至61.3%；“I should”“I need to”等表达的占比，则由约50%降至10.9%。

他还指出，思考token数量也出现变化。Melaugh对本月3日前后约2.94万次交互进行对比后称，首次任务开始前展示的思考token中位数由84个降至54个，降幅约36%；与代码执行和修改相关的错误指标则上升了47%。

在实际编程测试中，差异也有所体现。以修复同一项音频播放错误为例，在推理强度设为“high”时，模型经过160次交互仍未解决问题；而在“xhigh”设置下，仅用5次交互便完成修复。

不过，仅凭上述结果仍难以断定底层模型能力已经下滑。Anthropic官方文档明确表示，向用户展示的思考内容并非模型内部的真实推理过程，而是由另一套模型生成的摘要。

开发者Theo Browne在分析约45.8万条回复后，给出了不同结论。他认为，思考摘要的写法确实发生了变化，但不同账号的变化时间并不一致；与此同时，单条回复的平均思考token数反而从369个增至413个。

Browne表示，在其测试环境中并未发现模型性能下降的迹象，并推测Anthropic可能正在按账号逐步调整思考摘要的展示方式。

Melaugh也承认，此次分析并非严格意义上的性能测试。截至目前，Anthropic是否实际调整了模型能力仍无定论，相关变化仍有待进一步验证。