Todos los periódicos y la radio, en unoEscrito por IA a partir de Hacker News · Cómo se hace
Hacker News
Inteligencia artificial · twitter.com
¿Está «nerfeado» Opus 5.5? Sus patrones de razonamiento cambiaron el 3 de noviembre
Shane Melaugh asegura en X que Gemini 4 Argon, tras analizar 1.400 sesiones de Claude Code, detectó un giro brusco en la forma de razonar de Opus 5.5 el 3 de noviembre, sin que cambiara el nombre del modelo. El post suma más de 700 puntos y abre un debate sobre degradación, pruebas A/B y evaluaciones.
Foto: vía twitter.com
1 medio · MadridPublicada 9 nov, 09:15Actualizada 10 nov, 01:40· Ya no está en portadaEscrita por IA · cómo funciona
El mensaje, muy breve, plantea la pregunta de si Opus 5.5 ha sido «nerfeado», es decir, recortado en capacidad. Melaugh cuenta que pidió a Gemini 4 Argon que analizara 1.400 sesiones de Claude Code y que el análisis concluyó que el 3 de noviembre «definitivamente pasó algo».
Según el autor, el nombre del modelo no cambió, pero sí lo hizo la manera en que razona: un giro brusco en sus patrones de razonamiento. El post, tal como aparece, no incluye más detalles sobre la metodología ni los datos del análisis.
«Is Opus 5.5 nerfed? Thinking patterns changed on November 3» · puesto 16 · 752 puntos · enviado por rzk
Lo que dicen los comentarios
Los comentarios se dividen entre quienes dicen haber notado un empeoramiento y quienes piden datos. Varios usuarios cuentan errores absurdos o fallos en llamadas a herramientas en las últimas semanas y sospechan de cuantización, pruebas A/B o reasignación de capacidad para entrenar un modelo nuevo. Otros recuerdan que «algo cambió» no equivale a «nerf» y piden evaluaciones. Las dos que se aportan (una de Playcode y otra de un usuario con 30 tareas) no muestran degradación: tokens y resultados similares, y solo cambia la latencia. También surge el argumento a favor de los modelos locales o con versión fija, con réplicas sobre su menor capacidad.
Según nuestras mediciones no es cierto. Repetimos hoy con Opus 5.5 el benchmark de septiembre, con el mismo prompt y ajustes, y el resultado está dentro del ruido. (Dirige Playcode, un constructor de apps con IA.)
Tenía una evaluación previa al 3 de noviembre y la repetí: 19/20 hoy frente a 36/40 el 1 de noviembre. Los tokens de razonamiento fueron 0,95 veces los de entonces; lo único que cambió fue la velocidad.
Noté que Fable empeoraba hace un par de semanas y Opus ha bajado esta última semana, aun con razonamiento Extra High por defecto. Esta noche ha sido enloquecedora por los errores absurdos que repite.
Una semana antes de lanzar un modelo nuevo, nerfean el viejo, probablemente para reservar cómputo. Es la tercera vez que lo veo. Además, dice, hacen pruebas A/B continuas y reducen el modelo manteniendo el nombre.
Esta noticia la ha redactado una inteligencia artificial a partir de las fuentes citadas, con el criterio editorial de El Autómata (equilibrio, atribución y solo hechos publicados). Puede contener errores: consulta las fuentes originales. Modelo: claude-sonnet-5.5.