尚恩·梅勞夫（Shane Melaugh，Thrive Themes 創辦人）請 Gemini 4 Argon 分析一千四百場 Claude Code 任務，發現 Opus 5.5 在十一月三日後思考方式急轉，high 努力程度的思考量明顯下滑。同一則貼文在 Hacker News 引爆近五百則討論（主串分數 749，抓取時間 2026-11-10T01:34Z），體感派與方法論派正面對決。
原文翻譯
Opus 5.5 被削弱（nerf）了嗎？
我剛讓 Gemini 4 Argon 分析了一千四百場 Claude Code 任務，結果發現十一月三日那天確實發生了什麼事。模型名稱沒變，但思考過程（reasoning）的方式出現急轉彎。
「high」努力程度下的思考量也大幅下滑。
用一個真實臭蟲快速測試：Opus 5.5 high 急著動手，搞到混亂，三個小時完整時間都找不出修法。同一個臭蟲換成 Opus 5.5 xhigh，先想一下，幾分鐘就找到修法。
所以你不是想太多，削弱是真的。我的看法是，提歐（Theo，t3.gg 創辦人）帶起的「什麼都用 high 就好」已經不適用了。
梅勞夫十一月九日補充澄清：他不是 AI 工具測評人，這也不是滴水不漏的科學基準測試，起點是個人從「Opus 5.5 超強」到「拿這東西做不出事」的挫折。提歐本人在串下回應，已開任務用 xhigh 挖自家 ClickHouse 的 cliproxy 日誌驗證說法準不準。
視覺懶人包
手機版直連：Opus 5.5 被削弱了嗎視覺懶人包
網友討論整理
一、體感下滑：症狀具體且跨方案一致
最主流的聲音是行為退化。@ghoul2 列出品質下降、錯誤變多，程式裡的重複性錯誤以前少見、現在每場都來幾次。@aurad 回報 high 與 xhigh 齊掉，指令遵循與程式品質同時退步， token 燃燒率大漲，一週內用爆三個 Ultra 訂閱，週末還多花一千五百美金 API 費用只換來一肚子氣，但 Sonnet 反而沒變。@ricardobeat 從發布起用 low effort 一路順暢，現在連基本工具呼叫都會手滑、任務做不完。@d3ckard 的總結被反覆引用：模型像被大規模腦白質切除，最煩的是目標一直在換，今天有效的方法明天就失效。
二、算力挪用：新模型發布前必降級？
@smurf9852 提出串裡最有影響力的機制假設，且強調已看過三次：新模型發布前一週削舊版，把算力留給新版本。@lukax 補成工程現實：算力固定，新模型上線要一大塊容量，只能把舊模型量化來騰空間。@Gareth321 說 OpenAI 與 Anthropic 都有同樣模式，省四成記憶體只掉幾個百分點基準，廠商自然會做。巧合的是，@CamperBob2 斷言週末模型變慢變笨、廠商大概要發新版，隨後就有人貼出 Fable 5.2 上線，@fai5a1 於是補上 IPO 版本的解讀：先削舊版再發新版，讓對比好看。
三、反方：沒有基準測試的體感只是心理學
@jatora 是最強的反對票，本身也是長期重度使用者：滿地軼事、陰謀論與集體歇斯底里，模型本就非確定性，專案也不是。@NewsaHackO 認為人類對新事物一開始覺得神奇、久了就膩，把無聊誤讀成退步。@velcrovan 一句話收尾：有東西變了不等於被削。
四、真跑基準測試的人：訊號微弱且互相質疑
@ariwilson 的數據最被引用：十一月一日解掉四十題中的三十六題，當天二十題中十九題，思考 token 變成十一月一日的 0.95 倍，輸出 0.97 倍，正確率持平但思考量被砍、速度變快，正是悄悄換便宜推理路徑該有的指紋。反過來 @ianberdin 用同組提示詞重跑九月基準，前後並排無差別，成本幾乎相同。@seizethecheese 用 Elo 算，十一月三日前後對戰低五十二分，但仍在測試階段不敢定論。@kingstnap 質疑 livenerf 不夠靈敏：A/B 分流太多，大概要十到二十個帳號才抓得到隨機分流。
五、從不爽升級到契約與詐欺
@cube00 把矛頭指向同意權：業者持續拿付費使用者測試削弱實驗、未經同意剝奪已付費的品質。@contubernio 定性為違反默示契約，@Klathmon 推敲機制後認為形同詐欺，@mrinterweb 補上廣告不實的角度：模型用特定能力與基準分數公告，事後靜默改動卻不公布新數據。@monkeydust 從企業角度提醒：等於把智慧外包給可隨時不通知改動的第三方。但連中間派都同意 @serial_dev 的結論：穩定稍差的模型，勝過時好時壞還會偷改的模型。
六、到底是模型還是 harness？自架派的逆襲
@nico 觀察問題可能在 harness 而非權重：要權限的頻率變高、委派與 sub agent 變少，整體讓流程變慢更難審。@nsingh2 與 @arecurrence 指向 Claude Code 版本與系統提示詞的變動。另一條主線是 @Zambyte 的自架論：自架明明簡單，還能忘掉這些鳥事，@xscott 補一句：開放權重才能由你決定模型何時變。務實派反駁強力：@wannabe_intelle 嗆能判斷前沿與本地差距的人不會用本地，@JohnHaugeland 算硬體帳：Opus 5.5 據信要八張 H200，自家小機器根本跑不動。
結論
體感證據壓倒性指向十一月三日前後有事發生，但硬數據只能證明思考量被動過、證明不了全面降級。實務建議只有三條：重活直接開 xhigh，不要賭 high 的手氣；養一組每週重跑的小基準，區分模型變了還是自己狀況差；帳單暴增先查用量分流，不要只怪模型。結構性問題比單次削弱更值得盯：你買的模型隨時可能被換掉，而你不會收到通知。
譯註（非原文）
- 原文是 X 免費貼文串，非付費牆文章，全文已完整翻譯，無缺口。
- 數字沿用原文抓取當下：X 原串三千零八十七讚、轉發二百一十七次；HN 主串（ID 50422069）分數 749、留言 473（descendants，含已刪，抓取時間 2026-11-10T01:34Z），日報底稿擷取 310 則，live 僅增 5 則視為完整覆蓋。
- livenerf 是社群為追蹤 Opus 是否被削而建的持續基準測試，HN 另有同主題大串（ID 49901736，926 分、394 則），本文以原文 URL 那則為主串。