Anthropic har offentliggjort et teknisk post-mortem om de seneste kvalitetsproblemer i Claude Code. Ifølge selskabet skyldtes problemerne ikke API eller inferenslaget, men tre separate ændringer, der påvirkede Claude Code, Claude Agent SDK og Claude Cowork. Anthropic skriver også, at alle tre problemer var løst 20. april 2026 i version v2.1.116. Det er kernen i selskabets forklaring på en debat, der har kørt i flere uger.
Debatten opstod, fordi udviklere og AI power users ifølge VentureBeat beskrev, at Claude virkede mindre stabil over tid. De rapporterede blandt andet svagere vedvarende reasoning, flere hallucinationer og et højere tokenforbrug. På GitHub, X og Reddit blev det omtalt som AI shrinkflation. Anthropic skriver samtidig, at selskabet aldrig bevidst har degraderet sine modeller.
Post-mortem samler en længere debat
Anthropic skriver i sit eget indlæg, at selskabet over den seneste måned har undersøgt rapporter om, at Claude-svar var blevet dårligere for nogle brugere. Post-mortem’en forklarer ifølge selskabet, hvad man fandt, hvad man rettede, og hvad man vil gøre anderledes for at mindske risikoen for gentagelser. Det er en forholdsvis konkret afgrænsning af problemet. Samtidig afviser selskabet ikke, at brugerne oplevede kvalitetsfald, men placerer årsagen i produktlaget omkring modellen.
VentureBeat beskriver den samme udvikling og knytter den til en voksende mistillid blandt brugere, der mente at kunne mærke et reelt fald i kvalitet. Artiklen gengiver også, at kritikere spekulerede i, om modellen var blevet “nerfet” for at styre efterspørgslen. Anthropic svarer i post-mortem’en, at selskabet aldrig bevidst har degraderet sine modeller, og at API og inferenslaget ikke var påvirket. Det er en vigtig præcisering, fordi kritikken i høj grad handlede om selve modelkvaliteten.
Det ændrer dog ikke ved, at den praktiske brugeroplevelse ifølge både Anthropic og VentureBeat blev påvirket. Når et værktøj pludselig opfører sig anderledes, er det for brugeren mindre afgørende, om årsagen ligger i modellen eller i laget rundt om den. Netop derfor har forklaringen fået så stor opmærksomhed. Den handler ikke kun om fejlretning, men også om hvor i kæden en forringelse faktisk kan opstå.
Tre ændringer ramte oplevelsen
Anthropic beskriver tre separate problemer. Det første var en ændring i standardniveauet for reasoning effort i Claude Code. Ifølge selskabets forklaring stod standarden på høj, da Opus 4.6 blev lanceret i værktøjet, men blev 4. marts ændret til medium for at reducere oplevet ventetid i brugerfladen. Anthropic knytter selv den ændring til et fald i kvalitet på mere komplekse opgaver.
Det andet problem var ifølge Anthropic en fejl i cachinglogikken, sendt ud 26. marts. Formålet var at rydde ældre tænkehistorik efter en times inaktivitet i en session. Men fejlen betød ifølge selskabets beskrivelse, at historikken blev ryddet på hver efterfølgende tur. I praksis er det Anthropics egen forklaring på, hvorfor nogle brugere kunne opleve en mere ustabil eller mindre sammenhængende adfærd i længere forløb.
Det tredje problem handler om instruktioner og verbosity. Her er det vigtigt at holde sig tæt til kilden. VentureBeat skriver, med henvisning til Anthropics post-mortem, at selskabet 16. april tilføjede instruktioner i systemprompten om at holde tekst mellem tool calls under 25 ord og slutsvaret under 100 ord. Ifølge VentureBeat kostede det omkring 3 procent i coding-evalueringer. Oplysningen bør derfor læses som gengivet fra VentureBeat og Anthropics forklaring, ikke som en uafhængig måling uden for de to kilder.
Anthropic forklarer, hvorfor det lignede bred degradering
Anthropic skriver, at de tre ændringer ramte forskellige dele af trafikken på forskellige tidspunkter. Ifølge selskabet fik det den samlede oplevelse til at ligne en bred og inkonsistent degradering. Det er en central del af forklaringen, fordi den forsøger at forbinde mange forskellige brugerklager med flere adskilte tekniske ændringer. Forklaringen peger altså ikke på én enkelt fejl, men på et samspil mellem flere ændringer.
Den del er også med til at forklare, hvorfor diskussionen hurtigt blev bredere end en almindelig fejlmelding. Hvis nogle brugere blev ramt tidligere end andre, og hvis påvirkningen kom gennem forskellige komponenter, er det lettere at forstå, hvorfor oplevelserne kunne virke både ens og ujævne på samme tid. Det er i hvert fald sådan Anthropic selv beskriver forløbet. Selskabet gør samtidig klart, at API ikke var ramt.
Det giver post-mortem’en en lidt anden karakter end en almindelig modelopdatering. Her er pointen ikke, at Anthropic lancerede en ny model og fik dårlig feedback. Pointen er, at ændringer rundt om modellen ifølge selskabet var nok til at skabe en oplevelse af forringelse. Det er den sammenhæng, som både selskabets eget indlæg og VentureBeats gennemgang prøver at få på plads.
Brugerklager og tredjepartsmål gav sagen tyngde
VentureBeat beskriver, at sagen fik ekstra vægt, fordi den ikke kun byggede på løse indtryk. Mediet fremhæver blandt andet Stella Laurenzo fra AMD, som offentliggjorde en audit af 6.852 Claude Code-sessionfiler og mere end 234.000 tool calls på GitHub. Ifølge VentureBeat viste hendes analyse, at ydelsen var faldet sammenlignet med hendes tidligere brug. Det er ikke det samme som en officiel benchmarkstandard, men det var med til at løfte debatten.
VentureBeat nævner også BridgeMind, som rapporterede, at Claude Opus 4.6 i deres test faldt fra 83,3 procent til 68,3 procent i accuracy. Ifølge BridgeMind rykkede modellen dermed fra nummer 2 til nummer 10 i rangeringen. Det er et markant fald, hvis man lægger virksomhedens egen testmetode til grund. Samtidig skriver VentureBeat, at nogle forskere mente, at de konkrete benchmark-sammenligninger kunne være metodisk ujævne på grund af forskelle i testscope.
Den indvending skal holdes ret stramt. Det er VentureBeat, der gengiver, at “some researchers argued” metodiske forskelle, ikke en bredt dokumenteret metodedebat på tværs af flere kilder i materialet her. Men den detalje er stadig vigtig, fordi den viser, at benchmarksporet ikke står helt alene som endeligt bevis for en generel modeldegradering overalt. Det ændrer ikke ved, at brugerklagerne og de nævnte målinger trak i samme retning.
Hvorfor forklaringen betyder noget
Det væsentlige i Anthropics forklaring er ikke kun, at selskabet afviser bevidst degradering. Det væsentlige er også, at forklaringen placerer årsagen i konkrete ændringer i produktlaget og sætter dato på, hvornår de skulle være løst. Det giver en mere præcis ramme for at forstå forløbet. Samtidig begrænser det, hvad man faktisk kan konkludere: post-mortem’en dokumenterer selskabets egen redegørelse for årsager og rettelser, ikke en fuldt uafhængig efterprøvning af hele hændelsen.
Anthropic skriver desuden, at man i indlægget forklarer, hvad man vil gøre anderledes for at gøre lignende problemer meget mindre sandsynlige fremover. Den formulering peger på procesændringer, men materialet her går ikke i detaljer med at dokumentere effekten af dem endnu. Derfor er det også for tidligt at sige mere håndfast om, hvor meget forklaringen alene genopretter tilliden. Det, der kan siges med sikkerhed, er, at selskabet har givet en teknisk forklaring og knyttet den til tre konkrete ændringer.
Der står også noget tilbage som åbent spørgsmål. Materialet dokumenterer, at Anthropic siger, problemerne var løst i v2.1.116 pr. 20. april 2026. Men det dokumenterer ikke i sig selv en uafhængig bekræftelse af, hvor bredt brugeroplevelsen derefter blev normaliseret. På samme måde viser benchmarksporet, at der var stærke tegn på problemer, men også at mindst én kilde nævner metodiske indvendinger. Derfor lander historien bedst som en dokumenteret redegørelse for årsag og rettelse, ikke som et endeligt punktum for hele sagen.
En mere afgrænset konklusion
Det mest veldokumenterede er derfor ret enkelt. Anthropic siger, at tre separate ændringer bag Claude Code, Claude Agent SDK og Claude Cowork skabte de kvalitetsproblemer, som mange brugere oplevede som AI shrinkflation. Selskabet siger også, at API og inferenslaget ikke var ramt, og at alle tre problemer blev løst i v2.1.116 den 20. april 2026. VentureBeat underbygger samtidig, at klagerne var udbredte, og at både AMD-auditten og BridgeMind-testene gav sagen ekstra tyngde.
Det gør ikke alle spørgsmål helt lukkede. Men det flytter diskussionen fra løse antagelser om en skjult modelforringelse til en mere konkret forklaring om ændringer i laget rundt om modellen. Og lige dér ligger den vigtigste opdatering i sagen. Ikke som en stor teori, bare som en teknisk forklaring, der faktisk er skrevet ned.
