一言で言うと
Claude Code の品質が1カ月落ちていた件で、Anthropic は原因となった3つの変更を日付付きで公開しました。どれも基盤モデル自体ではなく、その上に乗せた運用設定の変更でした。
何が起きているのか
Anthropic は4月23日（米国時間）、Claude Code のコーディング品質が下がり、利用可能なトークンサイズを想定より早く使い切ってしまう不具合を認めました。トークンサイズは、AI が一度に扱える文章の量のことです。過去1カ月、ユーザーからは「Claude の知能が下がったように感じる」「誤字や同じ指示の繰り返し、不自然なツール選択が増えた」といった声が上がっていました。
問題は、基盤となる外部アプリ連携の仕組み（API: Application Programming Interface）そのものではありません。Claude Code と、同じ系列の Claude Agent SDK・Claude Cowork の3製品で起きていた、と明言されています。原因として挙げられたのは、以下の3つの変更です。
1. モデルエフォート（推論の深さ設定）のデフォルト変更: 3月4日、UI のフリーズを避ける目的で、デフォルト設定を high から medium に引き下げたところ、推論の品質が落ちました。4月7日に Opus 4.7 は uxhigh、その他のモデルは high に戻されています。 2. キャッシュ最適化のバグ: 3月26日に導入したキャッシュ最適化に不具合がありました。1時間以上の長いセッションで評価がずれ、モデルが不適切なトークンを出す原因になっていました。4月10日のアップデートで修正済みです。 3. システムプロンプトの追加指示: 4月16日に初回応答の冗長さを抑える目的で追加した指示が、コーディング品質を下げていることが内部評価で判明しました。4月20日に元のプロンプトに戻されています。
すべての修正は4月20日のバージョン2.1.116で適用され、4月23日に全サブスクユーザーのレート枠（使用量の上限枠）がリセットされました。再発防止策として、内部評価でユーザーと同じ高負荷設定を使う割合を増やすこと、システムプロンプト変更の管理を強化すること、モデルごとに段階的な展開を徹底すること、の3点が挙げられています。開発者向けの説明は、今後も X アカウントや GitHub で続ける方針です。
AI業界の文脈では
普通はこう見られます。Claude が劣化していた、Anthropic の対応が遅い、LLM の性能はそもそも揺れるものだ、といった具合です。この見方は、AI モデルの品質は、学習されたモデルそのもので決まる、という前提に立っています。
その前提は、今回の発表で揺らいでいます。公開された3つの原因のうち、モデルエフォートとシステムプロンプトの2つは、基盤モデル自体ではなく、その上に乗せた運用設定の変更です。残り1つのキャッシュバグも、推論のやり方の最適化にまつわる不具合でした。どれも、モデルを再学習する類の話ではありません。
つまり、開発者向けの AI 製品の品質は、もうこのモデルが強いか、で決まりません。日々の運用設定を自分たちで管理できているか、で決まる段階に入っています。
私の見立て
Anthropic がモデル劣化ではなく運用パラメータの変更で出力品質が落ちた、という線で通したのは、技術的に正確で、かつ商売上も正しい選択です。モデル自体は動かしていないので再学習は要りません。運用を戻せば品質は戻る、というメッセージになります。
同時に、3つの変更が1カ月以上も品質低下として検知されなかった、という事実も出てきました。内部の自動評価と、ユーザーの実使用が離れていたということです。ユーザーと同じ高負荷設定で評価する割合を増やす、と再発防止策に書かれているのは、その裏返しに当たります。
開発者向け AI の信頼は、このモデルが強い、ではなく、この会社は自社の運用を自分でデバッグできる、で決まる段階に入っています。原因を3つに切り分けて日付付きで公開したこと、レート枠を一括でリセットしたこと、再発防止策を具体的に並べたこと。この3点で、Anthropic は信頼回復の設計図を表に出しました。
もし4月後半以降もコーディング品質の低下報告が続くようなら、この読みは弱くなります。その場合は、公開された3原因ではカバーしきれない要因が残っていることになります。
→ 何が変わるか: 開発者向け AI の選定基準が、ベンチマーク上の賢さから、品質低下を検知して原因を切り分けて公開できるか、に重みを移します。障害が起きること自体よりも、起きたときに何日で原因が開示されるかが、評価軸になります。
→ 何をすべきか: Claude Code や Claude Agent SDK を業務で使っている開発者は、過去1カ月の出力に違和感があった案件を洗い直し、影響範囲を確認しておくと無駄が減ります。企業側の AI 導入担当は、サービス選定の評価シートに、直近の品質低下インシデントが公開されているか、その粒度はどうか、を項目として加えておくと、あとで効きます。