# Claude әлсірегенін қалай анықтауға болады (нақты деректермен)

Published: 2026-09-30

Адамдар Claude әр іске қосылғаннан кейін бірнеше аптадан соң ақымақ болып қалады дейді. Бір әзірлеуші Claude Opus 5.5-ті іске қосу аптасынан бастап 30 күндік уақытқа қойды, мұздатылған сұрақтармен, бекітілген Claude Code-пен және көпшілік ережелермен, және бұл неге ешкім бұрын білмегенін және неге сіздің токендер саныңыз бақылауға тұрарлық екенін көрсетеді. Үкім: SHIP IT.

Canonical: https://thedailydiff.dev/kk/video/2026-09-30-opus-nerf-meter/

## Бұл бейне не туралы

- Claude іске қосылғаннан кейін ақымақ болады: теория нөлдік күн сағатымен кездеседі
- livenerf: Opus 5.5-те іске қосу аптасынан бастап 30 күндік сағат
- Әлсірегенін қалай ұстау керек: кейде дұрыс болатын 78 сұрақ
- Ол не көре алады: 7.5 ұпай, және токен саны бірінші қозғалады
- Соқыр нүкте: Opus 5 ауыстыру және 8 қате жауап кілті

## Тараулар

- 0:00 Claude іске қосылғаннан кейін ақымақ болады: теория нөлдік күн сағатымен кездеседі
- 0:26 livenerf: Opus 5.5-те іске қосу аптасынан бастап 30 күндік сағат
- 1:24 Әлсірегенін қалай ұстау керек: кейде дұрыс болатын 78 сұрақ
- 2:19 Ол не көре алады: 7.5 ұпай, және токен саны бірінші қозғалады
- 2:53 Соқыр нүкте: Opus 5 ауыстыру және 8 қате жауап кілті
- 3:08 Anthropic: біз модель сапасын ешқашан төмендетпейміз
- 3:45 Деректер орталықтары өз сандарын құпия ұстайды; Backblaze жариялайды
- 4:25 Кредиттер жолы: Claude есептегішті құруға көмектесті
- 4:50 Үкім: SHIP IT, және оны 24 қазанға дейін дәйексөз келтірмеңіз

## Аударылған транскрипция

Бастапқы ағылшын тіліндегі баяндамадан аударылған. Қолжетімді аудио және субтитрлерді YouTube басқарады.

### Claude іске қосылғаннан кейін ақымақ болады: теория нөлдік күн сағатымен кездеседі

0:00 Барлығы Claude іске қосылғаннан кейін бірнеше аптадан соң ақымақ болып қалатынын біледі. Сондықтан бір әзірлеуші Opus бес нүкте бес нұсқасын іске қосу аптасынан бастап сағатқа қойды, және сағат ешкімнің әлі біле алмайтынын көрсетеді. Бұл бейнеде үш сұрақ. Әлсірегенін қалай ұстайсыз? Бұл есептегіш не көре алады? Және Anthropic не дейді? Ал репоның кредиттеріндегі бір жол мені қатты күлдірді.

0:20 Мен оған соңында ораламын. Бүгін сәрсенбі, қыркүйектің отызы, және бұл The Daily Diff. Бүгін үш оқиға, және ең үлкені live nerf деп аталатын GitHub репосы.

### livenerf: Opus 5.5-те іске қосу аптасынан бастап 30 күндік сағат

0:30 Бірнеше ай бойы адамдар Anthropic іске қосылғаннан кейін өз модельдерін жасырын түрде әлсіретеді деп айтады. Әдеттегі теориялар қысылған модель, бір атаумен кішірек модель немесе жай ғана аз ойлау. Репо әзірге әрбір аргументті атмосфераға қарсы атмосфера деп атайды. Opus бес нүкте бес қыркүйектің жиырма екіншісінде жіберілді, және бір апта бұрын мен сізге ол үш рет көп сөз жаза отырып, тәуелсіз тақтада бірінші орынға шыққанын айттым орташа модельге қарағанда. Екі жарым күннен кейін ninja hawk деп аталатын әзірлеуші сағатты іске қосты,

0:59 отыз күн бойы күніне бір рет, ешкім өзгерте алмайтын журналдармен. The Hacker News тақырыбы сегіз жүзге жуық ұпай жинады және командалық чат сияқты бөлінді чат. Бір пікір білдіруші модельдерді әлсірету көптеген жағдайларда нақты емес дейді. Тағы біреуі адамдар жаңа интеллект деңгейіне үйреніп жатыр дейді. Ал бір Claude Code тәжірибелі пайдаланушы енді әр жолы осы сессияны бағалау қалқымалы терезесін жауып тастайды, өйткені Claude-ті бағалау оны нашарлатқан сияқты. Сарапшылық бағалау. Сонымен, бірінші сұрақ, әлсірегенін қалай ұстайсыз?

### Әлсірегенін қалай ұстау керек: кейде дұрыс болатын 78 сұрақ

1:27 Сіз шамамен жиырма үш жүз қиын емтихан сұрақтарынан бастайсыз, және Opus бірінші әрекетте тоқсан үш пайыз дұрыс жауап береді, бұл детектор үшін пайдасыз, өйткені ол әрқашан дұрыс жауап беретін сұрақ түспейді. Тоқсан жеті пайыз әрқашан дұрыс немесе әрқашан қате болды, және ол кейде ғана дұрыс жауап беретін жетпіс сегіз сұрақ панельге айналды. Бірдей нұсқау, құралдарсыз және AI төрешісіз нақты сәйкестік бағалауы, өйткені төреші де ауытқып кетер еді. Ол бассыз Claude Code арқылы Max жазылымында жұмыс істейді,

1:55 өйткені API нұсқасы айына шамамен мың алты жүз долларға бағаланған. Ал Claude Code нұсқасы бекітілген, өйткені, репоның сөзімен айтқанда, өзгертілген бақылау жүйесі өзгертілген модель сияқты көрінеді. Статистика Anthropic компаниясының Эван Миллердің «Evals-қа қателік жолақтарын қосу» атты мақаласынан алынған, Anthropic компаниясының Эван Миллер. Сонымен, Anthropic-тің өз математикасы қазір Anthropic-ті тексереді, бұл академиялық нұсқа қызмет көрсету шарттарын тұтынушыларды қолдауға қайта айту.

### Ол не көре алады: 7.5 ұпай, және токен саны бірінші қозғалады

2:19 Екінші сұрақ, ол не көре алады? Он күндік терезеде шамамен жеті жарым ұпайға төмендеу. Жабдықтың жұмыс істейтінін дәлелдеу үшін автор Claude-тің күшін әдейі төмендетті. Орташа күш шығысты шамамен төрттен бірге, ал ұпайды тек төртке қысқартты ұпай. Төмен күш шығысты екі үштен бірге дерлік қысқартты, сегіз ұпай үшін. Бұл ұрлайтын бөлік. Аз ойлау жауаптарда пайда болмай тұрып, токен санында пайда болады.

2:43 Сондықтан модель нұсқаңызды бекітіңіз, тапсырмаға сәйкес шығыс токендерін журналдаңыз, және өзіңіздің бірнеше мұздатылған сұрақтарыңызды сақтаңыз. Егер сіздің агентіңіз кенеттен қысқарақ жазатын болса, Reddit-ті тексермес бұрын журналдарыңызды тексеріңіз. Міне, адал бөлігі.

### Соқыр нүкте: Opus 5 ауыстыру және 8 қате жауап кілті

2:54 Ескі Opus бес нұсқасын жасырын түрде ауыстыру жабдық үшін тым аз өзгеріс болды айту, және readme мұны бірден айтады. Тексеру сонымен қатар қате көрінетін сегіз жауап кілтін тапты, сондықтан әлсіреу детекторы әлсіреуді таппай тұрып, бенчмаркта қателер тапты.

### Anthropic: біз модель сапасын ешқашан төмендетпейміз

3:08 Үшінші сұрақ, Anthropic не дейді? Өткен жылы шағымдар толқынынан кейін Anthropic постмортем жариялады. Онда, дәйексөз, біз модель сапасын сұранысқа байланысты ешқашан төмендетпейміз, күн уақытына немесе сервер жүктемесіне байланысты. Сол пост Claude-ті нашарлатқан үш қатені мойындайды, және Claude Code пайдаланушыларының үштен бірі дерлік кем дегенде бір рет қате серверлерге кірді. Сондықтан шағымдар нақты болды, ал себебі қателер болды, сол себепті репо іске қосу аптасы ең нашар апта болуы мүмкін деп ескертеді.

3:35 Отыз күннің алтысы өтті. Бірінші мүмкін шақыру 24 қазан шамасында болады, сондықтан адал жауап - ешкім, соның ішінде сенімді болғандар да білмейді. Ешкім жарияламайтын сандар туралы айтатын болсақ.

### Деректер орталықтары өз сандарын құпия ұстайды; Backblaze жариялайды

3:46 Lighthouse Reports және голландиялық Trouw газеті көптеген Еуропалық деректер орталықтарының электр қуаты мен суды пайдалануын құпия ұстайтынын анықтады, ЕО ережесі үш жыл бойы есеп беруді талап етсе де. Нидерландыда төрттен бірінен азы жариялайды. Бір Microsoft деректер орталығының өзі Голландия электр қуатының шамамен бір пайызын пайдаланады. Сонымен қатар, Backblaze тағы да қызықсыз нәрсе жасады. Оның тоқсан сайынғы дискілік статистикасы шамамен үш жүз елу мың қатты дискіні қамтиды, және істен шығу көрсеткіші бір нүкте жетпіс үш пайызға дейін өсті,

4:16 соңғы кездері ең жоғары көрсеткіш. Үш Seagate моделінде істен шығу болған жоқ. Бұл қоғамдық базалық деңгей қалай көрінеді, тоқсан сайын, он үш жыл бойы.

### Кредиттер жолы: Claude есептегішті құруға көмектесті

4:25 Енді, сол кредиттер жолы. Readme репоның көп бөлігі Claude көмегімен жазылғанын мойындайды, бұл өлшенетін модель. Сондықтан Claude Claude ақымақ болды ма, жоқ па, соны тексеретін есептегішті құруға көмектесті. Сондықтан бағалаушылар қарапайым функциялар. Автордың сөзімен айтқанда, сіз авторға сенуіңіз керек емес, адам немесе басқаша. Егер сіз мұны менің айтқанымды тыңдағаннан гөрі оқығанды ​​қаласаңыз, айырмашылық сіздің кіріс жәшігіңізге келеді

4:46 әр таңда, the daily diff dot dev сайтында тегін, сілтеме төменде. Сонымен, бүгінгі live nerf туралы үкім.

### Үкім: SHIP IT, және оны 24 қазанға дейін дәйексөз келтірмеңіз

4:51 SHIP IT. Мен оны жіберер едім, өйткені бұл мен көрген алғашқы әлсіреу аргументі уақыт белгісі, көпшілік ережелер кітабы және айтылған соқыр нүкте. Тек 24 қазанға дейін оны дәйексөз келтірмеңіз. Ал бүгінгі айырмашылық осы. Мен Axrisi-ден Нико. Жауапкершілікпен біріктіріңіз.

## Дереккөздер

- [livenerf](https://github.com/ninjahawk/livenerf) — github.com
- [Validation](https://github.com/ninjahawk/livenerf/blob/main/docs/VALIDATION.md) — github.com
- [Hacker News](https://news.ycombinator.com/item?id=49901736) — news.ycombinator.com
- [Anthropic postmortem (Sep 2025)](https://www.anthropic.com/engineering/a-postmortem-of-three-recent-issues) — www.anthropic.com
- [Adding Error Bars to Evals (Evan Miller)](https://arxiv.org/abs/2411.00640) — arxiv.org
- [Inspect (UK AI Security Institute)](https://inspect.aisi.org.uk/) — inspect.aisi.org.uk
- [NL Times](https://nltimes.nl/2026/09/30/data-centers-refusing-say-much-water-electricity-use) — nltimes.nl
- [Hacker News](https://news.ycombinator.com/item?id=49907057) — news.ycombinator.com
- [Backblaze Drive Stats Q2 2026](https://www.backblaze.com/blog/backblaze-drive-stats-for-q2-2026/) — www.backblaze.com
- [Hacker News](https://news.ycombinator.com/item?id=49893002) — news.ycombinator.com