AI·THE EXPLAINERニュースを理解する
Independent project tracks Claude Opus 5.5 for post-launch driftOpus 5.5の性能劣化を独立検証プロジェクトが追跡
An independent GitHub project called livenerf runs a daily benchmark to check whether Claude Opus 5.5, launched 2026-09-22, quietly gets worse over time.livenerfという独立プロジェクトが、2026年9月22日発売のClaude Opus 5.5について、発売後に密かに性能が落ちていないか毎日ベンチマークで追跡している。
THE SOURCE TRAIL情報の根拠
Based on linked publications. No first-party document or classified news organization is linked in this record.掲載元の記事をもとにしています。この記録には当事者・公的資料や、分類済みの報道機関へのリンクがありません。
Claims checked against source text主張と原典の照合記録（英語）
An automated review linked these claims to supplied source text. This is not a human fact-check or independent verification of the source.自動点検が、記事の主張と入力した原典本文を対応づけた記録です。人による事実確認や、原典自体の正しさを独立して検証した結果ではありません。
livenerf is an independent, daily benchmark tracking Claude Opus 5.5 (launched 2026-09-22) for post-launch capability drift, running via Claude Max subscription through headless Claude Code
github.com ↗As of 2026-09-29, 6 of 30 days were collected using a fixed 78-question panel drawn from GPQA Diamond, MMLU-Pro, competition-math and AIME questions
github.com ↗Validation showed the instrument could not distinguish an Opus 5 vs Opus 5.5 swap at 99% confidence, and the first comparative results row is due after day 20 (earliest possible detection around 2026-10-24)
github.com ↗
Reviewed: 照合日時：
What happened何が起きたか
livenerf is a 30-day, still-running benchmark that began tracking Claude Opus 5.5 from its 2026-09-22 launch, running once daily via a Claude Max subscription through headless Claude Code, no API key needed. As of 2026-09-29 it had collected 6 of 30 days using a fixed 78-question panel drawn from GPQA Diamond, MMLU-Pro, competition-math and AIME questions, with frozen prompts and pinned tooling to keep everything except the model itself constant.livenerfは2026年9月22日に発売されたClaude Opus 5.5を対象に、30日間毎日実行される検証プロジェクトで、Claude Maxのサブスクリプションを通じてAPIキーなしでheadlessのClaude Codeから動作する。2026年9月29日時点で30日中6日分のデータを収集済みで、GPQA Diamond、MMLU-Pro、競技数学、AIMEの問題から選んだ固定78問のパネルを使い、プロンプトやツールを固定してモデル以外の要素を一定に保っている。
Why it matters何が変わるのか
Anyone using Claude Opus 5.5 for coding or reasoning tasks gets an independent, statistically pre-registered check on whether performance quietly drops after launch, rather than relying on unverified forum complaints. The project's own validation found it cannot reliably detect a same-family model swap the size of Opus 5 versus 5.5, showing real limits to what it can catch.Claude Opus 5.5をコーディングや推論に使うユーザーにとって、根拠のないフォーラム上の不満ではなく、事前登録された統計手法に基づく独立した劣化チェックが得られる。ただしプロジェクト自身の検証で、Opus 5とOpus 5.5程度の同系統モデルの入れ替えは確実に検出できないという限界も判明している。
What’s nextこれからの動き
The first row of comparative results is due after day 20, with the earliest possible detection of a real change around 2026-10-24.比較結果の最初の行は20日目以降に公開予定で、実際の変化を検出できる最短時期は2026年10月24日ごろとされている。
A little context · terms in this story理解の手がかり · この記事の用語
- API
- An interface that lets one piece of software use another service. An AI API lets a developer send requests to a model from their own application.ソフトウェアから別のサービスを利用するための窓口。AIのAPIなら、自分のアプリからモデルに処理を依頼できます。
- Inference
- Running a trained model to produce a result from new input, as distinct from training the model.学習済みのモデルに新しい入力を渡して結果を得る処理。モデルを学習させる作業とは区別します。
- Benchmark
- A test used to compare performance under particular conditions. A higher score on one test does not establish that a product is better for every real task.特定の条件で性能を比較するテスト。あるテストで高得点でも、実際のあらゆる用途で優れているとは限りません。
Read the sources原典を読む
The marked texts informed this summary. Other links provide related coverage; a link is not independent verification.印のある記事本文を要約の材料にしています。ほかは関連情報です。リンクの数は独立した裏付けの数を意味しません。
More in AIAIのほかの記事
MiniMax launches M3.1 Flash, cuts agent task costs 70%MiniMax、M3.1 Flash発表 エージェント費用7割減
12 linked sites関連12サイト
Mistral launches Voxtral 3 speech models and voice agent SDKMistral、音声エージェントSDK「Voxtral 3」公開
1 linked site関連1サイト
Anthropic opens Claude Duet preview on waitlistAnthropic、Claude Duetの先行体験開始
19 linked sites関連19サイト