Claude после запуска: дело не в модели, а в усилиях и

Что в ролике
Если после недели с новой моделью Claude ответы кажутся короче и глупее, это почти никогда не связано с изменением весов модели. Автор разбирает скриншоты: пост про GPT-6 Astra набрал 12 000 лайков и 2,1 млн просмотров, тред про Opus 5.5 — 2 700 апвоутов, а трекер NerfBench показал 94,2% от запуска через 10 дней. На деле главное объяснение — adaptive thinking и настройка effort: в бенчмарках Opus 5.5 запущен на max, а в API и Claude Code по умолчанию стоит medium, и на Cursor Bench разница между max и medium составляет 5,3 пункта (57,8% против 52,5%) в один день. Трекер Live Nerf с 78 отобранными сложными вопросами показал, что снижение effort с high до medium почти не двигает точность (4,2 пункта против порога 6,6), но сокращает выдачу токенов на 26%. Экономия на токенах объясняет рекламные 40% дешевле Opus 5: 20% даёт снижение цены, а остальные 20% — просто меньше выходных токенов при medium. Реальные деградации за год — это баги роутера и обвязки: в августе 2025 16% запросов Sonnet 4 уходили на серверы с чужим контекстным окном, а трекер Margin Lab зафиксировал падение Opus 4.7 с 65% до 50% на пять дней из-за циклических вызовов инструментов в Cloud Code. Поэтому практический вывод: перед обвинением проверять effort для каждой модели, отключать автоматический фолбэк на старые модели и следить за выходными токенами, числом вызовов инструментов и версией приложения.
Практика
- Что получишь
- Поймёте, почему Claude после запуска ощущается хуже, и научитесь отличать реальное ухудшение модели от снижения effort и шума в контексте.
- Первый шаг
- Откройте Claude Code и выполните команду effort, чтобы увидеть или задать уровень усилий для вашей текущей модели.
- Цифры
- —12 000 лайков и 2,1 млн просмотров — столько набрал пост со сравнением GPT-6 Astra на старте и через несколько недель
- —94,2% — столько от запуска показывал Opus 5.5 в трекере NerfBench через 10 дней
- —26% — на столько упало количество выходных токенов при снижении effort с high до medium в трекере Live Nerf
- —5,3 пункта — разница между max и medium на Cursor Bench в один и тот же день (57,8% против 52,5%)
- Честно
- Автор не продвигает платный продукт, только просит подписаться на канал. Все цифры взяты из публичных трекеров и документации Anthropic, но конкретные команды и настройки показаны в интерфейсе, поэтому их нужно смотреть в ролике или в доках. Ролик пересказывает существующие замеры, а не проводит независимую проверку.
Если слова незнакомы — 6 терминов
- adaptive thinkingспособность модели думать внутри скрытого черновика переменное время перед ответом
- effortнастройка уровня таких размышлений у Claude
- APIспособ программно отправлять запросы модели
- роутерсерверная инфраструктура, распределяющая запросы
- фолбэкавтоматический переход на другую модель при срабатывании классификатора безопасности
- токеныединицы текста, которые считает модель и по которым считается оплата
Компоненты
5 шт.Формат: разбор · для практикующих · уверенность разметки 0.9 · источник