Immer mehr Entwickler:innen und Power-User:innen werfen Anthropic vor, die Leistung von Claude Opus 4.6 und Claude Code verschlechtert zu haben. Das Unternehmen bestreitet heimliche Abstufungen, räumt aber geänderte Voreinstellungen und Nutzungsgrenzen ein.
Wachsende Beschwerden und der Vorwurf der „KI-Schrumpf-Inflation“
In den vergangenen Wochen haben sich auf Github, X und Reddit zahlreiche Berichte gehäuft, nach denen Claude Opus 4.6 und Claude Code weniger leistungsfähig, weniger zuverlässig und verschwenderischer mit Tokens wirken als noch vor kurzer Zeit. Nutzer:innen beklagen, Claude sei bei anhaltendem Schlussfolgern schwächer geworden, breche Aufgaben häufiger vorzeitig ab und neige stärker zu Halluzinationen oder Widersprüchen.
Einige sprechen von „KI-Schrumpf-Inflation“: Der Preis bleibe gleich, das Produkt werde schwächer. Andere gehen weiter und vermuten, Anthropic drossele Claude in Phasen hoher Auslastung oder stimme die Modelle gezielt nach unten ab. Beweise dafür gibt es bislang nicht, Anthropic-Mitarbeitende dementieren öffentlich, Modelle zur Kapazitätssteuerung zu verschlechtern. Gleichzeitig bestätigt das Unternehmen jüngere Änderungen bei Nutzungslimits und Standardeinstellungen für das Denken, was die Debatte zusätzlich anheizt.
VentureBeat hat Anthropic um Klarstellungen gebeten, unter anderem zu möglichen Änderungen bei Standardeinstellungen für Schlussfolgern, Kontextverarbeitung, Drosselungsverhalten, Inferenzparametern oder Benchmark-Methoden. Außerdem steht die Frage im Raum, wie Anthropic aktuelle Benchmark-Vorwürfe erklärt und ob weitere Daten veröffentlicht werden, um Kund:innen zu beruhigen. Eine Antwort lag zum Zeitpunkt der Veröffentlichung noch nicht vor.
Datenanalyse, Benchmarks und widersprüchliche Deutungen
Ein Auslöser der aktuellen Welle war ein GitHub-Issue von Stella Laurenzo vom 2. April 2026, laut LinkedIn Senior Director in AMDs KI-Gruppe. Sie argumentiert, Claude Code sei für komplexe Ingenieuraufgaben nicht mehr verlässlich, und stützt das auf eine Analyse von 6.852 Claude-Code-Sitzungsdateien, 17.871 Denkblöcken und 234.760 Tool-Aufrufen. Demnach sei seit Februar die geschätzte „Reasoning“-Tiefe deutlich gefallen, während Symptome schwächerer Leistung zugenommen hätten: mehr vorzeitige Abbrüche, mehr „einfachste Lösung“-Verhalten, mehr Denk-Schleifen und ein messbarer Wechsel von forschungsorientiertem zu stärker editierendem Verhalten.
Laurenzo betont, dass ausgedehntes Schlussfolgern für anspruchsvolle Engineering-Workflows kein Luxus, sondern Grundlage für Nutzbarkeit sei. Ihr Beitrag verbreitete sich von Github aus weiter, etwa über X-Posts mit Screenshots, und erhielt zusätzliche Reichweite durch Berichte von TechRadar und PC Gamer. Entwickler Om Patel sprach auf X von einer angeblich gemessenen „Verdummung“ Claudes um 67 Prozent und prägte damit den Begriff „KI-Schrumpf-Inflation“ in der breiteren Diskussion.
Anthropic versucht, gefühlte Verschlechterung von tatsächlicher Modelldegradation zu trennen. Claude-Code-Leiter Boris Cherny widersprach in einem angehefteten Kommentar im selben GitHub-Issue der zentralen Schlussfolgerung von Laurenzo. Die von ihr zitierte Kopfzeile „redact-thinking-2026-02-12“ sei eine reine UI-Änderung, die Denkprozesse in der Oberfläche ausblende und Latenz reduziere, aber weder das Denken selbst, noch „Denkbudgets“ oder erweitertes Schlussfolgern verändere. Zudem verweist er auf zwei Produktänderungen: den Wechsel von Opus 4.6 auf adaptives Denken als Standard am 9. Februar und die Umstellung auf den Standardaufwand „mittel“ (Aufwandsstufe 85) am 3. März, den Anthropic als besten Kompromiss aus Intelligenz, Latenz und Kosten für die meisten Nutzer:innen sieht. Wer mehr ausgedehntes Denken möchte, könne in Claude-Code-Terminalsitzungen per Befehl „/effort high“ manuell hochschalten.
Parallel dazu kursieren Benchmarks, die die Kritik zu untermauern scheinen. Betreiber BridgeMind meldete am 12. April, Claude Opus 4.6 sei im Halluzinations-Benchmark BridgeBench von 83,3 Prozent Genauigkeit und Rang 2 auf 68,3 Prozent und Rang 10 gefallen – für viele der vermeintliche Beweis, das Modell sei „generft“. Andere Tests sollten zeigen, dass Opus 4.6 bei praktischen Coding-Aufgaben hinter Opus 4.5 zurückliege oder sich in bestimmten Umgebungen anders verhalte.
Dem widersprach allerdings der externe Software- und KI-Forscher Paul Calcraft auf X. Er argumentiert, es handele sich um unterschiedliche Benchmarks: Die frühere Messung basiere auf sechs Aufgaben, die spätere auf 30. Auf den sechs gemeinsamen Aufgaben sei die Genauigkeit von 87,6 auf 85,4 Prozent nur leicht gefallen, der große Unterschied gehe weitgehend auf ein einzelnes Ergebnis ohne Wiederholungen zurück und könne im Rahmen statistischer Schwankungen liegen. Auch eine Community-Notiz zum BridgeBench-Post weist darauf hin, dass die Aufgaben nicht identisch waren und die gemeinsame Teilmenge nur geringe Änderungen zeigt.
Nutzungslimits, Voreinstellungen und eine wachsende Vertrauenslücke
Brisant wirkt die Debatte auch vor dem Hintergrund bestätigter Änderungen bei Kapazitätsgrenzen. Am 26. März kündigte Anthropic-Technikmitarbeiter Thariq Shihipar an, dass zur Bewältigung der steigenden Nachfrage die 5-Stunden-Sitzungslimits für Free-, Pro- und Max-Abos in Stoßzeiten angepasst würden, während die Wochenlimits gleich blieben. An Werktagen zwischen 5 Uhr und 11 Uhr pazifischer Zeit verbrauchen Nutzer:innen seitdem ihre 5-Stunden-Kontingente schneller; laut Shihipar trifft das etwa 7 Prozent der Nutzer:innen, vor allem in Pro-Tarifen. Team- und Enterprise-Kund:innen seien laut einer E-Mail vom 27. März an VentureBeat nicht betroffen, die Änderung werde nicht individuell optimiert, sondern einheitlich im genannten Zeitfenster angewandt, während Anthropic weiter in Kapazität investiere.
Shihipar bestreitet auf X explizit, dass Anthropic Modelle zur Nachfragebewältigung „degradiert“. Cherny wiederum erklärt, Claude Code sei auf mittleren Aufwand umgestellt worden, weil sich Nutzer:innen über zu hohen Tokenverbrauch beschwert hätten; die Änderung sei im Changelog dokumentiert und in einem Dialog beim Öffnen von Claude Code angezeigt worden. Laut Änderungsprotokoll wurde der Standardaufwand am 7. April für API-Schlüssel-Nutzer:innen sowie für Bedrock-, Vertex-, Foundry-, Team- und Enterprise-Kund:innen wieder auf „hoch“ gesetzt. Solche Anpassungen könnten die Wahrnehmung beeinflussen, auch wenn die eigentlichen Modellgewichte unverändert bleiben.
Unterm Strich prallen unterschiedliche Perspektiven aufeinander. Power-User:innen berichten von mehr Reibung, mehr Fehlversuchen, höherem Tokenverbrauch und weniger Bereitschaft zu tiefem Schlussfolgern, was sich für sie wie ein schwächeres Modell anfühlt. Anthropic verweist auf sichtbare und verborgene Produkteinstellungen, UI-Anpassungen, dokumentierte Änderungen und die Aussage, dass Nachfrage nicht durch geheime Qualitätsdrosselung gesteuert werde. Die öffentliche Beweislage ist gemischt: es gibt detaillierte Log-Analysen, angefochtene Benchmarks und nachweisliche Änderungen an Limits und Voreinstellungen – ein Umfeld, in dem technische Details und Vertrauen gleichermaßen entscheidend werden.
