Claude modellerinde düşüşler başladı

https://x.com/artificialanlys/status...467635877?s=46
Genel zeka / benchmark performansı düşmedi
• Artificial Analysis Intelligence Index v5’te Claude Opus 5.5 (max) lider durumda (skor 58). GPT-6 Astra ve diğerlerinin önünde.
• Bağımsız tracker’lar (LiveNerf ve BridgeBench NerfBench) Ekim 2026 ortasına kadar ölçülebilir bir genel kalite düşüşü göstermiyor. LiveNerf’te 78 sabit soruda launch baseline’a göre anlamlı fark yok; BridgeBench’te varyans bandı içinde (hatta bazı testlerde launch’ın üstünde). cellcog.ai
• Yani modelin temel reasoning/coding kapasitesi “sessizce zayıflatıldı” iddiası şu anki ölçümlerle desteklenmiyor. Hissedilen düşüş başka mekanizmalardan geliyor.
Asıl “nerf” hissini yaratan mekanizmalar
1. Safety classifiers + otomatik fallback (en büyük sebep)
Anthropic, Opus 5.5’in cyber yetenekleri çok güçlü olduğu için (kendi açıklamalarına göre en güçlü cyber modeli) real-time safety classifier’lar ekledi:
• Cybersecurity (exploit generation, binary analysis, penetration testing, reverse engineering, malware analizi vb.) → otomatik olarak Opus 4.8’e düşüyor.
• Biology / dual-use (virology, toxicology, molecular design vb.) → Opus 5’e düşüyor.
• Distillation (chain-of-thought’u çıkarma, reasoning’i kopyalama girişimleri) → doğrudan block (fallback yok).
• Frontier LLM development bazı durumlarda da fallback.
Fallback olunca:
• Cevap ortasında “safety check stopped the response” diye kesilebiliyor.
• Session o daha zayıf modelde kalıyor. /model ile geri almazsan devamı da zayıf modelden geliyor.
• Claude Code’da bu özellikle belirgin.
Bu yüzden oyun decompile / reverse engineering / “Reverse Engineer Anything” tarzı işlerde aniden “mid-sentence” kesilme ve artık o işi yapamama şikayetleri çok arttı (Ekim 21 civarı Reddit ve X’te yoğunlaştı, Kotaku da haber yaptı). Genel kullanıcı için “model aptallaştı” gibi hissediliyor, ama aslında classifier tetiklenip daha zayıf modele yönlendiriliyor.

Cyber Verification Program (CVP) var: Meşru güvenlik profesyonelleri için Defense / Red Team / Specialized tier’ları. Onaylanırsan classifier’lar gevşiyor. Normal kullanıcı için “conservative cyber safeguards that block most cyber work” durumu geçerli.

2. Default effort seviyesi düşürüldü
Claude Code’da Opus 5.5, Sonnet 5.5 ve Haiku 5.5 medium effort ile başlıyor. Önceki modeller high ile başlıyordu.
Medium = daha az thinking token, daha kısa ve bazen daha sığ cevaplar. Effort ayarı eski modellerden yeniye taşınmıyor. Kullanıcı “eskisi gibi düşünmüyor” diye algılıyor. /effort ile high/max’e çekmek mümkün (maliyet artar).

3. API ve distillation savunmaları
• Yeni API version (2026-10-21) ile temperature, top_p, top_k parametreleri yeni modellerde kaldırıldı (sampling kontrolü kısıtlandı).
• Preserved thinking, reasoning isolation gibi önlemler eklendi.
• CoT çıkarma girişimleri sert şekilde engelleniyor.

4. Diğer etkenler
• Kullanım limitleri büyüyen kullanıcı tabanıyla birlikte sıkılaştırılıyor (birçok kullanıcı “limit daha hızlı bitiyor” diyor).
• Kısa süreli error window’lar (Ekim 23-25) oldu ama bunlar failed request, kalite düşüşü değil.
• Geçmişte (2025) infrastructure bug’ları gerçekten kaliteyi düşürmüştü; Anthropic “demand yüzünden bilinçli nerf yapmıyoruz” demişti.
• S-1 filing’de safety önlemlerinin model yeteneklerini kısıtlayabileceği, release’leri erteleyebileceği açıkça yazıyor.

Yani ne anlatmak istiyor ?