数据显示 Opus 5.5 推理输出下降约五成，语言风格同步改变

几天前，Hacker News 上有一篇热帖声称 Opus 5.5 被削弱了，理由是推理 token 数量下降、语言使用方式也发生了变化。

帖子下面有人问有没有证据，我意识到我们恰好有！我们正在为 OpenCode 开发一套对战系统，它正好能提供 Opus 5.5 相对对手行为方式的数据。

我们先核对了帖子里的说法是否能被我们的数据证实——确实可以！与匹配的对手相比，Opus 的推理输出下降了 50.6%！

帖子声称 Opus 是在 11 月 3 日被削弱的，但看我们的数据图表，情况似乎并非如此。实际上，11 月 1 日看起来更有可能。

为了查清具体时间，我们用 bootstrap 断点检验测试了 16 个候选日期。11 月 1 日产生了最强的推理比率断点，不过 11 月 2 日和 11 月 3 日也完全可能是断点日期。

帖子还声称 11 月初语言发生了变化，所以我们也查了这一点。

三项指标都朝帖子所述的方向移动了：“I'm”变多，“I should”和“I need to”变少，破折号也变少了。其中两项通过了多重检验校正。

我很好奇，如果这些词变了，还有没有别的什么也变了？结果我发现了一件有意思的事！Opus 调整后的 em-dash 频率下降了约 43%，而对手的几乎没变。

为了找出候选词，我们按两个时期内的总体频率对单词、标点和空白字符进行了排序，然后做了统计检验。（说实话，我担心这属于钓鱼式探索，普通 p 值不够用，Astra 建议用 BH-25 p 值。）

有五种模式的校正后 p 值低于 0.05：

既然 em-dash 是对 Opus 的主要抱怨之一，那么这似乎已经超出了“削弱”的范畴，实际上是在测试一个新模型。

“I'm”的增多也很有意思。任何系统都有一套可供性（affordances）来帮助用户与之交互，而在某种程度上，人格性正是 AI agent 的一种可供性。看来 Opus 会朝着这个方向更进一步。