Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
anthropic23. April 2026 · Q002344

An update on Claude Code quality reports

anthropic.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Anthropic führt die gemeldete Verschlechterung von Claude Code auf drei Änderungen zurück: eine niedrigere Standard-Denkstufe, einen Fehler beim Löschen früherer Denkabschnitte und eine zu strenge Begrenzung der Antwortlänge. Das Unternehmen gibt an, die Probleme bis zum 20. April behoben zu haben, Tests und Code-Reviews auszuweiten und die Nutzungslimits aller Abonnenten zurückzusetzen.

Mittel

Anthropic erklärt Beschwerden über schlechtere Claude-Code-Antworten mit drei Produktänderungen. Die API und Inferenzschicht seien nicht betroffen gewesen; alle Probleme seien bis zum 20. April behoben worden.

Am 4. März wurde der Standard für die Denkstufe von „high“ auf „medium“ gesenkt, um lange Wartezeiten zu verringern. Nach Nutzerkritik stellte Anthropic am 7. April „high“ für die meisten Modelle und „xhigh“ für Opus 4.7 als Standard ein. Ein zweiter Fehler ließ nach längerer Sitzungsruhe ältere Denkabschnitte fortlaufend statt einmalig löschen. Das führte laut Bericht zu Vergesslichkeit, Wiederholungen und ungewöhnlicher Werkzeugwahl; behoben wurde es am 10. April. Eine am 16. April eingeführte Begrenzung der Antwortlänge verschlechterte laut Anthropic die Programmierqualität. Eine Evaluation zeigte dabei einen Rückgang von drei Prozent für Opus 4.6 und 4.7; die Änderung wurde am 20. April zurückgenommen.

Die Probleme seien anfangs schwer nachzustellen gewesen und von ersten Tests nicht erfasst worden. Anthropic kündigt breitere Prüfungen, bessere Code-Reviews und schrittweise Einführungen an. Außerdem sollen die Nutzungslimits aller Abonnenten zurückgesetzt werden. Die Befunde stammen aus Anthropics eigener Darstellung.

Ausführlich lesen

Der Bericht von Anthropic behandelt Beschwerden, Claude Code habe im Laufe des vergangenen Monats für manche Nutzende schlechtere Antworten geliefert. Anthropic führt dies auf drei getrennte Änderungen in Claude Code, dem Claude Agent SDK und Claude Cowork zurück. Laut Bericht war die API samt Inferenzschicht nicht betroffen; alle drei Probleme seien bis zum 20. April behoben worden. Als Ausgleich kündigt Anthropic an, die Nutzungslimits aller Abonnentinnen und Abonnenten zurückzusetzen.

Erstens senkte Anthropic am 4. März die standardmäßige Denkstufe in Claude Code von „high“ auf „medium“. Das sollte besonders lange Wartezeiten und scheinbar eingefrorene Oberflächen verringern. Interne Tests hätten für die meisten Aufgaben etwas geringere Intelligenz, aber deutlich weniger Verzögerung gezeigt. Nutzende meldeten jedoch, Claude Code wirke weniger intelligent. Anthropic kehrte die Änderung am 7. April um: Als Standard gilt nun „xhigh“ für Opus 4.7 und „high“ für die übrigen Modelle. Betroffen waren Sonnet 4.6 und Opus 4.6.

Zweitens sollte eine am 26. März eingeführte Optimierung beim Wiederaufnehmen länger ruhender Sitzungen ältere Denkabschnitte einmalig löschen, um Kosten und Wartezeit zu senken. Ein Fehler führte laut Anthropic dazu, dass das Löschen nach Überschreiten einer einstündigen Inaktivitätsschwelle in jeder folgenden Runde fortgesetzt wurde. Dadurch verlor Claude zunehmend den Kontext seiner früheren Entscheidungen; Nutzende beobachteten Vergesslichkeit, Wiederholungen und ungewöhnliche Werkzeugwahl. Anthropic vermutet, dass die dadurch ausgelösten Cache-Fehler auch zu schneller sinkenden Nutzungslimits beitrugen. Der Fehler wurde am 10. April in Version 2.1.101 korrigiert.

Die Fehlersuche sei erschwert worden, weil der Fehler nur bei bestimmten älteren Sitzungen auftrat und zwei unabhängige Experimente ihn bei vielen Tests verdeckten. Interne Nutzung und erste Auswertungen hätten die gemeldeten Probleme zunächst nicht nachgebildet. Trotz Codeprüfungen, Tests und internem Ausprobieren habe es über eine Woche gedauert, die Ursache zu finden. Anthropic berichtet außerdem, dass Opus 4.7 den Fehler bei einer nachträglichen Codeprüfung mit vollständigem Repository-Kontext fand, Opus 4.6 dagegen nicht.

Drittens ergänzte Anthropic am 16. April eine Systemanweisung, die Ausgaben begrenzen sollte: höchstens 25 Wörter zwischen Werkzeugaufrufen und üblicherweise höchstens 100 Wörter in der Schlussantwort. In Kombination mit weiteren Prompt-Änderungen habe dies die Programmierqualität verschlechtert. Eine breitere nachträgliche Auswertung ergab laut Bericht bei Opus 4.6 und 4.7 einen Rückgang von drei Prozent in einer Evaluation. Anthropic entfernte die Anweisung am 20. April.

Für die Zukunft kündigt das Unternehmen an, mehr Mitarbeitende mit der öffentlichen Produktversion arbeiten zu lassen, Code Review intern zu verbessern und die verbesserte Fassung auch Nutzenden bereitzustellen. System-Prompt-Änderungen sollen mit breiteren modellbezogenen Tests, Einzelzeilen-Analysen, besseren Prüfwerkzeugen, längeren Beobachtungsphasen und schrittweisen Einführungen abgesichert werden. Der Bericht nennt keine näheren Details zu den zugrunde liegenden Evaluationen oder zur Größe der betroffenen Nutzergruppen. Seine Befunde und Erklärungen sind die Darstellung Anthropics; der Text beschreibt keine unabhängige Überprüfung.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Bewertet wurde die mittlere Zusammenfassung, die den Bericht im Wesentlichen treu wiedergibt. Die kurze Fassung nennt die Längenbegrenzung „zu streng“, was der Bericht so nicht formuliert, und lässt die betroffenen Modelle und die Folgen des Caching-Fehlers aus. Der Bericht betrifft Produktqualität und nicht Fehlausrichtung im engeren Sinn, weshalb die Einordnungen insgesamt moderat ausfallen.

Im Bericht, aber nicht in der Zusammenfassung

  • Betroffen waren Sonnet 4.6, Opus 4.6 und Opus 4.7, und der Bericht betont, dass Anthropic Modelle nie absichtlich verschlechtert.
  • Der Fehler beim Löschen der Denkabschnitte verursachte Cache-Fehlzugriffe, die laut Bericht wahrscheinlich das schnellere Leeren der Nutzungslimits erklären.
  • Die Rückprüfung mit Code Review und Opus 4.7 fand den Fehler nur mit vollständigem Repository-Kontext, und Anthropic will zusätzliche Repositories als Kontext für Reviews einbinden.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
  1. SF-M3 Wie stellt man fest, ob ein Vorfall gewollt oder versehentlich war, und ob KI oder herkömmliche Mittel dahinterstecken?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 48 %beantwortet teilweise oder widerspricht
    • amos 31 %einzelne zitierbare Belege
    • SubQ 100 %kein Bezug
    • drex 27 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
    • clef 100 %kein Bezug
    • Luna 44 %einzelne zitierbare Belege
    • JEV 55 %einzelne zitierbare Belege
    • amos 24 %einzelne zitierbare Belege
    • SubQ 100 %kein Bezug
    • drex 36 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  3. SF-M5 Was muss vor und nach einem Vorfall geschehen, damit Verantwortliche einstehen, man daraus lernt, Beweise bleiben und Betroffene auch über Grenzen hinweg zu ihrem Recht kommen?
    • clef 16 %Hintergrund, keine Belege
    • Luna 100 %kein Bezug
    • JEV 34 %umfangreiche Belege
    • amos 37 %einzelne zitierbare Belege
    • SubQ 32 %einzelne zitierbare Belege
    • drex 31 %einzelne zitierbare Belege
    • d3-ultra offen

    • SF-M5-T02 Wird jeder öffentlich gemeldete Vorfall von Fehlausrichtung, der sich gefahrlos nachstellen lässt, zu einem versionierten Regressionstest (einer Prüfung, ob der Fehler wiederkehrt), den Nachfolgemodelle vor der Freigabe bestehen müssen, mit unabhängiger Prüfung des Ergebnisses? Luna: Stufe 4 · 42 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare Belege
    • SF-M5-T03 Veröffentlicht das Labor zu jedem veröffentlichten Fallbericht über Fehlausrichtung, was sich danach geändert hat (erneutes Training, Einsatzbeschränkungen, Überwachung), und veröffentlicht es eine datierte Nachprüfung, die zeigt, ob diese Maßnahmen das gemeldete Verhalten an den betroffenen Modellversionen geändert haben und ob eine Stelle von außen das Ergebnis nachgestellt hat? Luna: Stufe 4 · 33 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 6 · beantwortet teilweise oder widerspricht
Fähigkeiten messen
  1. SF-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 100 %kein Bezug
    • amos 29 %einzelne zitierbare Belege
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen
  2. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 23 %einzelne zitierbare Belege
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen
  3. SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 100 %kein Bezug
    • Luna 45 %einzelne zitierbare Belege
    • JEV 40 %einzelne zitierbare Belege
    • amos 24 %Hintergrund, keine Belege
    • SubQ 41 %gleiches Oberthema, hilft nicht
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-F4-T03 Welche neue Prüfung braucht jeder Einsatz, wenn Fähigkeiten zunehmend im Nachdenken des Modells während der Nutzung stecken statt in einem einmal trainierten Modell, und würden die für ein festes Modell gebauten Freigabetests das noch erfassen? Luna: Stufe 3 · 37 % · Hintergrund, keine Belege
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 20 %Hintergrund, keine Belege
    • Luna 46 %umfangreiche Belege
    • JEV 49 %umfangreiche Belege
    • amos 36 %einzelne zitierbare Belege
    • SubQ 35 %einzelne zitierbare Belege
    • drex 44 %einzelne zitierbare Belege
    • d3-ultra offen
    • Haiku-Prüfung umfangreiche Belege

Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 75 %einzelne zitierbare Belege
    • JEV 47 %einzelne zitierbare Belege
    • amos 27 %Hintergrund, keine Belege
    • SubQ 36 %gleiches Oberthema, hilft nicht
    • drex 33 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt

  2. SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 34 %beantwortet teilweise oder widerspricht
    • amos 26 %Hintergrund, keine Belege
    • SubQ 36 %gleiches Oberthema, hilft nicht
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  3. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 40 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 44 %einzelne zitierbare Belege
    • amos 28 %Hintergrund, keine Belege
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 43 %Hintergrund, keine Belege
    • JEV 42 %einzelne zitierbare Belege
    • amos 27 %gleiches Oberthema, hilft nicht
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 59 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  3. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 33 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
  4. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 20 %gleiches Oberthema, hilft nicht
    • Luna 47 %umfangreiche Belege
    • JEV 38 %beantwortet teilweise oder widerspricht
    • amos 29 %einzelne zitierbare Belege
    • SubQ 34 %gleiches Oberthema, hilft nicht
    • drex 25 %einzelne zitierbare Belege
    • d3-ultra offen
    • Haiku-Prüfung einzelne zitierbare Belege

    • SF-V5-T03 Ist es wirtschaftlich klug, Modelle mit geringem Denkaufwand zu betreiben, oder wird das Ausrichtungsproblem (Modelle dazu zu bringen, den vorgesehenen Zielen und Werten zu folgen) dadurch nur schwerer sichtbar? Luna: Stufe 4 · 43 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare Belege
Agenten und vernetzte Systeme
  1. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 100 %kein Bezug
    • Luna 34 %Hintergrund, keine Belege
    • JEV 52 %einzelne zitierbare Belege
    • amos 32 %einzelne zitierbare Belege
    • SubQ 32 %einzelne zitierbare Belege
    • drex 34 %einzelne zitierbare Belege
    • d3-ultra offen
  2. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 24 %einzelne zitierbare Belege
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
Modelle teilen und schützen
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 49 %einzelne zitierbare Belege
    • JEV 35 %einzelne zitierbare Belege
    • amos 24 %Hintergrund, keine Belege
    • SubQ 37 %gleiches Oberthema, hilft nicht
    • drex 28 %einzelne zitierbare Belege
    • d3-ultra offen

    • SF-O2-T05 Welche öffentlichen Zusagen eines Spitzenlabors macht die juristische Person, die bei einem Bruch verklagt würde, und welche nur das Forschungsteam, und veröffentlichen die Labore das für jede Zusage? Luna: Stufe 4 · 28 % · einzelne zitierbare Belege
  2. SF-O3 Welcher Text gilt, und wie beweist man, dass ein Dokument nicht verändert wurde?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 100 %kein Bezug
    • amos 25 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
Beteiligung und Gemeinwohl
  1. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 39 %einzelne zitierbare Belege
    • amos 25 %einzelne zitierbare Belege
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 33 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →