Im gesamten Netz wird beschwert, dass Claude dümmer geworden ist – Anthropic klärt auf: Nicht das Modell hat dich hereingelegt
Bedeutet der Wechsel zu einem größeren Modell automatisch mehr Intelligenz?
【Einführung】 Bedeutet der Wechsel zu einem größeren Modell automatisch mehr Intelligenz? Das ist vermutlich der größte Irrtum der Nutzer von Claude Code. Viele sind deswegen bis zum teuersten Fable aufgestiegen, aber kürzlich hat Anthropic diesen Irrtum persönlich aufgeklärt.
Hattest du schon einmal diesen Moment: Claude Code macht einen Fehler beim Codieren, und deine erste Reaktion ist, sofort zu einem stärkeren Modell zu wechseln.
Aber dieser Trick funktioniert meistens nicht, man verschwendet sogar nur Geld.
Kürzlich hat Anthropic offiziell einen langen Artikel veröffentlicht, der sich speziell mit diesem Thema befasst.
Der offizielle lange Artikel von Anthropic
Der Grund liegt darin, dass zu viele Leute die beiden Optionen in Claude Code verwechseln:
Eine ist die Modellauswahl (Model), die andere ist der Aufwandsgrad (Effort).
Der offizielle lange Artikel von Anthropic
In der Vergangenheit war das Verständnis für diese beiden Optionen sehr einfach: Ein größeres Modell macht die KI intelligenter; wenn man den Effort hochsetzt, lässt man die KI nur etwas länger nachdenken.
Doch im März dieses Jahres hat dieser Irrtum eine ziemliche Unruhe verursacht.
Damals stellten viele Entwickler fest, dass ihr Claude Code plötzlich „dümmer“ geworden war: Es las die erforderlichen Dateien nicht, führte die vorgesehenen Tests nicht aus, brach die Aufgaben halbwegs ab und fragte nach mehr Informationen.
Daher gab es auf GitHub eine Welle der Kritik.
Der härteste Vorstoß kam von Stella Laurenzo, der Leiterin der KI-Abteilung bei AMD.
Sie hat die Protokolle von 6852 Sitzungen auf GitHub durchgesehen und nachgemessen, dass der Denkumfang von Claude um 67 % gegenüber Februar gesunken ist, und dann festgestellt:
Man kann Claude nicht mehr vertrauen, um komplexe technische Arbeiten zu erledigen.
Man kann Claude nicht mehr vertrauen
Zuerst dachten alle, dass ihre Prompts nicht gut geschrieben seien oder dass die Konfiguration falsch wäre. Nach langem Herumprobieren wurde ihnen klar: Das Problem lag nicht bei ihnen selbst, sondern Anthropic hat heimlich eine Einstellung geändert.
Am 4. März haben sie, um die Latenz zu senken, die Standardeinstellung der Effort-Option in Claude Code von „high“ auf „medium“ herabgesetzt.
Das stand zwar im offiziellen Update-Protokoll, aber die meisten haben es nicht bemerkt – sie haben nur gespürt, dass ihr Modell grundlos dümmer zu werden schien.
Nach einem Monat des Widerstands hat Anthropic die Standardeinstellung am 7. April wieder zurückgesetzt und allen Abonnenten ihr Nutzungsvolumen einmal zurückgesetzt.
Erst dann haben die meisten Leute erfahren, dass dieser Schalter immer in ihrer Nähe war – und er bestimmt im Verborgenen, ob die KI mit voller Kraft für sie arbeitet.
Model ändert die Fähigkeit, Effort ändert die Einstellung
Die offizielle Aufschlüsselung von Anthropic lässt sich einfach in einem Satz zusammenfassen:
Model ändert die Fähigkeit, Effort ändert die Einstellung.
Zuerst zum Model: Es ändert die Fähigkeit.
Hinter jedem Modell steht ein Satz von „eingefrorenen Gewichtungen“ – seine Fähigkeiten und sein Wissen sind zum Zeitpunkt des Trainingsendes festgelegt: Nur lesbar, nicht änderbar.
Das bedeutet, dass die Prompts, CLAUDE.md und der Code im Kontext, die du während der Inferenz eingibst, diese Gewichtungen nicht ändern: Du kannst das Modell lenken, aber nicht „trainieren“.
Der Wechsel des Modells bedeutet im Grunde, einen neuen Satz von Gewichtungen für deine Aufgaben zu übernehmen – also löst es das Problem, ob die KI die Aufgabe „kann“.
Wenn es eine Bibliothek gibt, die zum Zeitpunkt des Modelltrainings noch nicht existierte, und du die gesamte Dokumentation an das Modell gibst, kann es sie sofort lernen und anwenden – aber das gilt nur für diese eine Anfrage. Das Modell selbst merkt sich kein Wort und vergisst es sofort.
Aus demselben Grund ruft es manchmal ernsthaft eine nicht existierende API auf: Das ist kein Versehen, sondern die Gewichtungen fügen nach alten Mustern aus dem Training eine Reihe von Dingen zusammen.
Ein Blick auf die unterste Ebene macht es noch klarer. Dein geschriebenes Code-Stück `const x = await fetch` wird im Modell zuerst in einzelne Tokens zerlegt, und jedes Token wird durch eine Zahl im Vokabular ersetzt.
Quelle: Der offizielle Blogbeitrag von Anthropic
Jede Zeile deines Codes wird nach der Zerlegung in Tokens einer Ganzzahl im Vokabular zugeordnet: `const` ist 1078, `await` ist 2592 – das Vokabular hat etwa 100.000 Einträge. Das Modell bekommt nie Text, sondern nur diese Zahlenreihe.
Das Modell gibt die Antwort nicht auf einmal aus. Es prognostiziert nur ein Token pro Schritt, fügt es an, berechnet die gesamte Reihe neu und prognostiziert das nächste Token. Eine Antwort mit 200 Tokens erfordert also 200 vollständige Berechnungen.
Die meiste Zeit und die meisten Kosten, die du aufwendest, entfallen auf diesen Zyklus.
Nun zum Effort: Er ändert die „Einstellung“.
Viele Leute glauben, dass ein hoher Effort bedeutet, „ein paar Sekunden länger nachzudenken“ – das ist falsch.
Er bestimmt, wie viel Arbeitsaufwand Claude für diese Aufgabe investiert: Wie viele Dateien es liest, ob es Tests ausführt, ob es zusätzliche Überprüfungen durchführt und ob es eine mehrstufige Aufgabe bis zum Ende erledigt, bevor es dich fragt.
Einfach ausgedrückt: Claude mit niedrigem Effort neigt dazu, schnell zu antworten und nach mehr Kontext zu fragen, anstatt selbst zu handeln. Claude mit hohem Effort neigt dazu, selbst Informationen zu suchen, mehrmals Werkzeuge aufzurufen und eine lange Aufgabenkette auf einmal zu erledigen.
Der Effort in Claude Code hat mehrere Stufen – man sollte ihn nicht als starre Token-Budget-Grenze betrachten.
Er ist ein Verhaltenssignal, das Claude sagt, wie gründlich und sicher die Aufgabe erledigt werden soll. Textantworten, Werkzeugaufrufe und erweitertes Denken fallen alle in seinen Geltungsbereich.
Die offizielle Seite hat auch ein Diagramm veröffentlicht: Bei demselben Prompt kann ein hoher Effort etwa 7 Mal mehr Tokens erzeugen als ein niedriger Effort. Die zusätzlichen Tokens werden vollständig für das Lesen von Dateien, das Ausführen von Überprüfungen und das wiederholte Bestätigen verwendet.
Quelle: Der offizielle Blogbeitrag von Anthropic
Bei demselben Prompt erzeugt der Pfad mit hohem Effort etwa 7 Mal so viele Tokens wie der Pfad mit niedrigem Effort – die zusätzlichen Tokens werden vollständig für das Lesen von Dateien, das Ausführen von Überprüfungen und das wiederholte Bestätigen verwendet.
Hier liegt eine kontraintuitive Schlussfolgerung: Ein kleines Modell mit hohem Effort kann durchaus ein großes Modell mit niedrigem Effort übertreffen.
Nicht unfähig, sondern nicht genug Aufwand
Nachdem man die Rollenverteilung verstanden hat, ist das offizielle Beurteilungsframework das wirklich Nützliche.
Quelle: Der offizielle Blogbeitrag von Anthropic
Das offizielle Beurteilungsframework: Wenn Claude einen Fehler macht, frag zuerst, ob es nicht intelligent genug ist oder nicht genug Aufwand investiert hat, bevor du entscheidest, das Modell zu wechseln oder den Effort zu erhöhen.
Wenn Claude einen Fehler macht, beeile dich nicht, die Modelloption zu ändern.
Der erste Schritt ist immer, den Kontext zu überprüfen: Ist der Prompt klar formuliert? Hast du alle erforderlichen Werkzeuge bereitgestellt? Ist CLAUDE.md korrekt konfiguriert? Die meisten sogenannten „dummen“ Fehler der KI liegen hier, nicht an der Modelloption.
Wenn der Kontext tatsächlich in Ordnung ist und es trotzdem Fehler macht, frag dich: Ist es unfähig, oder hat es nicht genug Aufwand investiert?
„Nicht genug Aufwand“ ist leicht zu erkennen: Es überspringt die zu lesenden Dateien, führt keine Tests aus und bricht die Umgestaltung halbwegs ab, um dich zu fragen – es fehlt nicht an Fähigkeit, sondern an Engagement.
Das ist eine Angelegenheit des Efforts – du kannst die Stufe eine Stufe höher setzen.
Wenn es „unfähig“ ist, ist es ein anderer Fall: Du hast genug Kontext bereitgestellt, es hat sich offensichtlich bemüht, macht aber trotzdem Fehler – selbst wenn du den Prompt anders formulierst, bleibt der Fehler bestehen.
Dann hilft es nichts, den Effort zu erhöhen – das liegt am Modell: Du musst zu einem stärkeren wechseln.
Die offizielle Seite hat ein sehr verständliches Beispiel gegeben.
Sonnet ist ein Allrounder, der einen ganzen Nachmittag Zeit hat.
Es liest deinen Code von Anfang bis Ende, führt ihn aus, überprüft ihn noch einmal und versteht deine Aufgabe wirklich gründlich.
Opus ist ein Experte, der dir nur fünf Minuten Zeit gibt. Es bringt Erfahrungen mit, die in deinem Code-Repository gar nicht vorhanden sind – die Fallstricke, die es gesehen hat, und die Risiken, die es vermeiden soll, sind alles Intuitionen, die es durch das Lösen vieler ähnlicher Aufgaben gesammelt hat. Aber in nur fünf Minuten hat es nur Zeit, einen kurzen Blick zu werfen – es kann nicht alle Dateien durchsehen.
Fable ist ein Spezialist, den man nur anrufen kann, wenn alle anderen steckenbleiben. Selbst mit nur fünf Minuten Zeit kann es sofort den Fehler erkennen, den niemand sonst gesehen hat.
Natürlich ist dieses Expert-Modell pro Token auch das teuerste – du solltest es nur für die schwierigsten Aufgaben reservieren, die niemand sonst erledigen kann.
Daher kommt die kontraintuitive Schlussfolgerung:
Ein Sonnet mit hohem Effort kann bei vielen Aufgaben tatsächlich ein Opus mit niedrigem Effort übertreffen. Ein kleines Modell mit ausreichendem Kontext und hohem Engagement kann viel mehr leisten, als du denkst.
Quelle: Der offizielle Blogbeitrag von Anthropic
Bei langen und mehrstufigen Aufgaben zeigt Fable den größten Vorsprung. Bei einigen offiziellen Tests können Opus und Sonnet die Aufgaben auch mit beliebig hohem Effort nicht erreichen.
Nach dem Wettbewerb um die Modell-Ranglisten wird das Zuweisen von Aufgaben an KI zu einer wichtigen Fertigkeit
Diese offizielle Erklärung lehrt dich zwar scheinbar, Parameter einzustellen – aber dahinter steckt eine wichtige Veränderung:
Der Wettbewerb in der KI-Programmierung wandelt sich von „Wer hat das stärkste Modell“ zu „Wer kann die Agenten besser steuern“.
Früher war es einfach: Man wählt das stärkste Modell und überlässt ihm alles.
Jetzt ist es anders. Du musst wie ein Projektmanager verschiedenen Modellen verschiedene Rollen zuweisen und unterschiedliche Aufwandsstufen festlegen:
Einfache Änderungen werden an Sonnet mit niedriger Stufe übergeben – es antwortet sofort und spart Kosten. Große Umgestaltungen werden an starke Modelle mit hoher Stufe übergeben. Für lang andauernde Agentenaufgaben werden