Degradierung Claude Code: Denktiefe -73%

# Claude-Code-Degradation: 73% Einbruch bei Reasoning-Tiefe, Kosten explodieren um 122-fach

Stella Lourenco, Direktorin der KI-Abteilung bei AMD, hat 6.852 Claude-Code-Sitzungen analysiert und einen dramatischen Rückgang der Reasoning-Tiefe um 73 % zwischen Januar und März 2026 festgestellt. Bei identischen Aufgaben und Prompts fiel das Read:Edit-Verhältnis von 6,6 auf 2,0, während die API-Kosten um das 122-Fache in die Höhe schossen – von 345 auf 42.121 USD für dieselbe Arbeitslast. Heute zielen eines von drei Edits auf Dateien ab, die das Modell nie geöffnet hat.

Lourenco hat Rohdaten aus 234.760 Tool-Aufrufen und 17.871 Reasoning-Blöcken im GitHub-Issue #42796 veröffentlicht und erklärt: „Claude ist für komplexe Ingenieuraufgaben nicht mehr zuverlässig.“ Das Issue zog 368 Kommentare an, bevor es am 13. April geschlossen wurde.

Lexikalische Indikatoren der Degradation

Eine Frequenzanalyse der Prompts zeigt einen Wandel im emotionalen Ton:

• „simplest“ stieg um 642 % (von 0,01 auf 0,09 pro Tausend Aufrufe);
• „stop“ +87 %;
• „fuck“ +68 %;
• „great“ −47 %;
• „please“ −49 %;
• „commit“ −58 %.

Das Verhältnis positiv zu negativ verschlechterte sich von 4,4:1 auf 3,0:1 – ein Spiegelbild echter Entwicklerfrustration in Produktionsszenarien mit Systems Programming.

Drei bestätigte Verhaltensänderungen

Anthropic hat drei unangekündigte Updates ausgerollt, bestätigt durch Docs und Antworten des Claude-Code-Entwicklers Boris Cherni:

• 9. Februar: Adaptive Thinking. Wechsel von festem budget_tokens zu selbstbewertetem Reasoning-Volumen. Komplexe Schritte bekamen 0 Reasoning-Token, was Halluzinationen auslöste (falsche SHAs, nicht existierende Pakete).

• 3. März: effort high → medium. Standard-Effort-Level ohne Ankündigung gesenkt. Trifft besonders lange autonome Sitzungen (über 30 Minuten).

• 5.–12. März: Thinking-Redaktion. Sichtbarkeit der Reasoning-Blöcke fiel von 100 % (30. Jan.) auf 0 % (12. März). Cherni nannte es eine UI-Anpassung, doch Daten zeigen zuvor schon einen 67 %-igen Reasoning-Rückgang.

Read:Edit-Metriken und blinde Edits

Der zentrale Indikator: Verhältnis gelesener zu bearbeiteten Dateien:

| Periode | Read:Edit | Blinde Edits (%) | Vollständige Dateischreibungen (%) |

|---------|-----------|------------------|-----------------------------------|

| Januar | 6,6 | 6,2 | 4,9 |

| März | 2,0 | 33,7 | 11,1 |

Das Modell überspringt Abhängigkeiten, Header und Tests vor Edits, was Builds in Compiler- und GPU-Treiber-Projekten zum Absturz bringt. Reasoning-Loops verdreifachten sich; Subagents machten 26 % der Anfragen aus.

API-Aufrufe explodierten um das 80-Fache (1.498 → 119.341), Output-Token um das 64-Fache.

Workarounds zur Leistungs-Wiederherstellung

Temporäre Fixes von Anthropic:

export CLAUDE_CODE_DISABLE_ADAPTIVE_THINKING=1
export CLAUDE_CODE_EFFORT_LEVEL=max

Oder in der Sitzung: /effort max.

Für ~/.claude/settings.json:

{
  "env": {
    "CLAUDE_CODE_DISABLE_ADAPTIVE_THINKING": "1",
    "CLAUDE_CODE_EFFORT_LEVEL": "max"
  }
}

Daten von Marginlab’s SWE-Bench-Pro zeigen, dass Workarounds die Leistung auf 56 % (von 50 %) heben. Tipps: Sitzungen aufteilen, /clear nutzen, nachts laufen (Reasoning 28 % höher um 23 Uhr MEZ).

Degradation reproduzieren

Testen Sie es bei Ihren Aufgaben:

• Wählen Sie eine Multi-File-Aufgabe (Refactoring, Bugfix).
• Status prüfen: /effort, echo $CLAUDE_CODE_DISABLE_ADAPTIVE_THINKING.
• Mit Defaults laufen, Read:Edit loggen.
• Workaround anwenden und wiederholen.
• Metriken vergleichen.

Der Unterschied bestätigt: Es betrifft Ihren Workflow.

Wichtige Erkenntnisse

• Reasoning-Tiefe um 73 % eingebrochen durch Adaptive Thinking und geringeren Effort;
• Read:Edit von 6,6 auf 2,0 gecrasht, blinde Edits bei 33,7 %;
• API-Kosten ×122 für gleiche Aufgaben;
• Workarounds wirken: Zwei Env-Vars stellen ~90 % Leistung wieder her;
• Read:Edit tracken als Degradation-Warnsignal.

Analysebeschränkungen

Daten von einem Nutzer (AMD, MLIR/GPU, 50 Agents). Korrelation Thinking-Signatur 0,971 (Pearson r), aber Extrapolation auf Web-Dev riskant. Belege: SWE-Bench-Pro (56 %→50 %), 368 Kommentare, 30 r/ClaudeAI-Threads. Fehlende Changelogs für Modellverhalten sind branchenweit ein Problem.

— Editorial Team