Claude Opus 5.5 性能低下疑惑:11月3日に何かが変わった
「成功率が85%から10%に落ちた。モデル名は変わっていないのに」。こんな声が2026年11月上旬、X(旧Twitter)の開発者コミュニティに流れ始めた(出典:Promptzone「Claude Opus 5.5 Performance Degradation」)。特に注目を集めたのは開発者のShane Melaugh氏のポストだ。「自分のClaude Codeセッション1400件を別のAIモデル(元ポスト記載の名称:Gemini 4 Argon)に分析させたら、11月3日に何かが起きたことが分かった。モデル名は変わっていないのに、推論の仕方が急変している」(出典:Shane Melaugh on X、2026年11月7日)。
GIGAZINEが2026年11月10日に報道したこの件は、Anthropicの沈黙と相まって国内外の開発者の間で波紋を広げている(出典:GIGAZINE「Claude Opus 5.5の推論能力が11月3日から急激に低下したとの指摘」、2026年11月10日)。結論から言えば「Nerfされた(弱体化された)」とも「されていない」とも断定できない。だが、開発者として何が起きているのかを理解しておく価値はある。
- Claude OpusやClaude Codeを業務に使っていて、最近の挙動変化が気になる開発者・エンジニア
- 「性能が落ちた気がする」という感覚を持っているが、根拠をまだ確認していない人
- AIツールの透明性や、ベンダーの無告知変更リスクを評価したいPM・CTO
- Anthropicの対応履歴を知ったうえでツール選定したい方
2026年11月3日前後からClaude Opus 5.5の推論挙動が変わったとの開発者報告が相次ぐ。ただし継続トラッカーではベンチマーク上の低下は検出されておらず、推論サマリーの表示変更が原因という仮説もある。Anthropicは11月7日時点でコメントなし。自分で確かめるには同一プロンプトのthinkingブロックを比較するのが最も直接的だ。
1400件のセッション分析が示したもの
Melaugh氏の手法は単純だ。自分のClaude Codeセッションログをエクスポートし、別のAIモデルに「11月3日前後で何か変わっているか」と問い合わせた。結果として得られたのは「推論ブロック(thinking)の冒頭に現れる典型的なパターンが、11月3日を境にほぼ消えた」というレポートだった(出典:Shane Melaugh on X)。
ただし、この分析には明確な限界がある。
- サンプルは1人のユーザーのセッションのみ。再現性は確認されていない。
- 分析したのも別のAIモデル。Gemini 4 Argonの判断が正確かどうかは独立検証が必要だ。
- 原データは非公開。外部から追試できない。
にもかかわらず、X上の開発者コミュニティにはすぐに「自分もそう感じた」という追認が集まった。「11月3日以降、Opus 5.5が指示を無視するようになった」「サブエージェントを不必要に大量起動する」「セッション途中で挙動が変わった」という声が複数見られる(出典:AICoder「X Discussion: Is Opus 5.5 Nerfed?」、2026年11月7日)。
具体的な事例として、ある開発者は「実際のバグに対して混乱し、修正方法を見つけられなかった」と書き、別の開発者は「冗長な前置き、コードの重複、古いモデルのような挙動」を報告している(出典:Promptzone「Claude Opus 5.5 Performance Degradation」)。
「Nerfしていない」側の根拠
報告が広まる一方、定量的なベンチマーク追跡サイトは異なる結論を出している。
AI Stupid Levelという継続ベンチマークサイトは、コーディング・推論・ツール使用の78問を毎日Claude Codeから送り続けており、2026年11月10日時点で「持続的な低下は検出されていない(no sustained decline detected)」と報告している(出典:Claude Opus 5.5 benchmark & degradation tracker)。
開発者のTheoも、同様に「能力の低下は見ていない。ベンチマークは安定している」と投稿した(出典:AICoder「X Discussion: Is Opus 5.5 Nerfed?」)。Theoはその上で、別の仮説を提示している。「Anthropicは一部アカウントで推論サマリー(reasoning summarizer)の変更をロールアウトしているのではないか。thinkingの中身ではなく、外から見えるサマリーが変わっただけかもしれない」。
この仮説を支持する状況証拠もある。11月3日は、AnthropicがXでの告知なしに「古いモデルへのテキスト透かし(watermark)追加」を開始した日でもある(出典:GIGAZINE英語版)。バックエンドで何らかの変更が入ったタイミングであることは確かだ。また、Claude CodeのプロンプトにIPを侵害するコードを書くことを禁じる2文が追加されたとの報告もあり、拒否率の増加の説明になりうる(出典:The New Stack)。
Anthropicの沈黙と、3月2026年という前例
Anthropicは11月7日時点で、この報告に対して公式なコメントを出していない(出典:VentureBeat「Is Anthropic ‘nerfing’ Claude?」)。
この沈黙には既視感がある。2026年3月にも同様の事態が起きた。ユーザーがClaude Codeのコード品質の急激な低下を報告し始めたが、Anthropicは数週間にわたって何も発信しなかった。結局4月23日に事後説明を出し、問題は認めた。原因は「モデルそのものの変更ではなく、Claude Codeのプロダクト層での3つの独立したエンジニアリングミス」だった。その内容は以下の通りだ。
- 3月4日、デフォルトのeffortレベルを「high」から「medium」に下げた(レイテンシ削減が目的だったが後に撤回)
- 3月26日、バグにより推論履歴がセッション途中で繰り返し破棄されるようになった
この事例はClaudeのeffortレベル削減問題をまとめた記事で詳しく書いたが、今回の違いは「effortレベルの変更ではない」という点だ。今回の報告はeffortをhighに設定した環境でも出ており、より根本的な何かが変わった可能性を残している。GitHubのClaude Codeリポジトリにも「Systematic Model Degradation and Silent Downgrading in Claude Code」というissue(#19468)が立てられており(出典:GitHub claude-code issues)、問題意識は一部の開発者の間で共有されている。
LeadDevは「Anthropicの沈黙がClaude Codeへの信頼危機を招いている」と指摘し、3月のエピソードを引き合いに「性能低下よりも、問題を認めない透明性の欠如の方が深刻だ」と書いている(出典:LeadDev「How Anthropic’s silence fueled a Claude Code trust crisis」)。
自分で確かめるための手順
「体感」と「ベンチマーク」が食い違っている今、自分の用途で何が起きているかを確かめる方法を示す。
1. 同一プロンプトで前後比較する
Claude APIを直接使っている場合、betas: ["interleaved-thinking-2025-05-14"]とbudget_tokensを指定して、11月3日以前に使ったプロンプトを再実行する。thinkingブロックの量・内容を見比べれば、変化があったかどうか分かる。
2. Claude Codeのセッションログを確認する
~/.claude/以下に保存されているセッションファイルを対象に、11月3日前後のthinkingパターンの変化を比較する。Melaugh氏の手法はここを起点にしている。セッションが大量にある場合は、氏と同様に別のAIに分析させるのが現実的だ。
3. 継続トラッカーを参照する
Claude Opus 5.5ベンチマーク追跡(AI Stupid Level)では毎日の測定結果が公開されている。「体感の変化」と「客観指標」の乖離がどの程度あるか確認できる。
4. effortLevelを明示的に設定する
Claude Codeのsettings.jsonに"effortLevel": "high"または"max"を設定する。これはデフォルトの暗黙的な挙動に依存しないための保険だ。今回の問題がeffort変更ではなくても、自分の環境での基準線を明確にするうえで有効だ(参照:effortレベル解説記事)。
光と影:体感と数値が食い違うとき
光の側面として言えること:Anthropicは継続的にモデルを改善しており、3月のエピソードでは問題を最終的に認め、根本原因を詳細に説明した。現在もベンチマーク上は安定しており、実用上の問題がない開発者も多い。
影の側面として言えること:11月3日というタイミングは偶然とは言いにくい。同日に古いモデルへのwatermark追加が行われており、何らかのバックエンド変更があったことは確かだ。3月の事例では「モデルではなくプロダクト層の変更」だったが、それも事後に判明した。今回も類似の可能性はある。
加えて、前回の3月問題ではClaudeのwatermark機能の仕組みと限界を解説した記事にも書いたように、透明性を巡るAnthropicへの信頼は一度傷ついた。同様の沈黙が続けば、その傷は深まる。
本記事は2026年11月10日時点の情報に基づく。Anthropicが公式コメントや説明を出した場合、この記事の内容は一部変わりうる。重要な判断をする前に、Anthropicの公式チャネルを確認してほしい。
まとめ:疑問を持ち続ける姿勢が大切
11月3日に何かが変わった可能性はある。だが「Nerfされた」と断定できる根拠は今のところない。ベンチマーク上は安定しており、体感の変化は推論サマリーの表示変更や、プロンプト追加による拒否率増加で説明できる可能性がある。
開発者として取るべき姿勢は明確だ。体感に頼らず、自分のユースケースで自前の基準テストを走らせること。そしてAnthropicの公式発表を注視すること。3月の事例で分かったように、問題があれば最終的には説明が出る。ただし、それが何週間後になるかは分からない。
Claude Opus 5.5の基本機能と価格についてはOpus 5.5完全ガイドにまとめている。3月のeffortレベル問題の詳細はこちらで読める。
免責事項: 本記事は公開情報のみに基づいて作成しています。開発者の投稿や二次報道からの情報が含まれており、すべてが検証済みではありません。Anthropicの公式アナウンスを最終的な情報源としてください。本記事の情報を元にした業務上の意思決定については、筆者は責任を負いません。