AI shrinkflation: platíte stejně, ale dostáváte méně? Kontroverze kolem Claudea otřásá světem vývojářů
Stovky vývojářů po celém světě tvrdí, že Anthropic tiše snížil výkon svého vlajkového modelu Claude bez odpovídajícího snížení ceny. Firma tvrdí opak. Kdo má pravdu a co to znamená pro firmy, které na AI staví své procesy?
Termín "AI shrinkflation" — tedy situace, kdy platíte stejnou cenu za AI model, který je ale ve skutečnosti slabší než dříve — se stal v posledních dnech jedním z nejdiskutovanějších pojmů v technologické komunitě. Epicentrem debaty je Anthropic a jeho model Claude Opus 4.6, který tisíce vývojářů a podniků využívají denně pro složité programovací úkoly a byznysové procesy.
Kritici se sešli na GitHubu, X (dříve Twitter) i Redditu a argumentují daty: Claude prý přestává dokončovat úkoly, hůře uvažuje, dělá více chyb a spotřebovává zbytečně více tokenů. Jde o největší krizi důvěry, jakou Anthropic od svého vzniku zažil.
6 852 sessions, 234 760 tool calls: senior ředitelka AMD to změřila
Nejdetailnější veřejná kritika nepřišla od anonymního uživatele internetu, ale od Stelly Laurenzo, Senior Director v AI skupině AMD. Dne 2. dubna 2026 zveřejnila na GitHubu analýzu 6 852 Claude Code session souborů, 17 871 thinking bloků a 234 760 tool calls.
Její závěr byl jednoznačný: od února Claude Code regresoval natolik, že jej nelze spolehlivě využívat pro složité inženýrské práce. Analýza ukázala, že odhadovaná hloubka uvažování modelu výrazně poklesla, zatímco příznaky horší výkonnosti vzrostly — více předčasných zastavení, více chování ve stylu 'použij nejjednodušší opravu', více cyklů uvažování a posun od výzkumného přístupu k přístupu 'rovnou edituj'.
Post Laurenzo se rychle rozšířil na X, kde vývojář Om Patel 7. dubna tvrdil, že někdo 'skutečně změřil', o kolik je Claude hloupější — a výsledek byl 67% pokles. Tím se kontroverze dostala daleko za hranice komunity vývojářů Claude Code a zasáhla širší AI diskuzi.
Anthropic odpovídá: ne downgrade, ale produktová rozhodnutí
Vedení Anthropic nezůstalo nečinné. Boris Cherny, tvůrce Claude Code, přímo na GitHubu odpověděl a zpochybnil hlavní závěr Laurenzo. Vysvětlil, že záhadný header 'redact-thinking-2026-02-12' zmíněný v analýze je pouze změna uživatelského rozhraní, která skrývá myšlení před uživatelem a snižuje latenci — ale nijak neovlivňuje samotný model ani jeho schopnost uvažovat.
Dvě produktové změny pravděpodobně ovlivnily to, co uživatelé vidí: přechod Opus 4.6 na adaptivní uvažování jako výchozí nastavení 9. února a posun na střední úsilí (effort level 85) jako výchozí hodnotu od 3. března. Uživatelé, kteří chtějí více rozšířeného uvažování, mohou ručně přepnout na vyšší úroveň pomocí příkazu /effort high.
Jinými slovy: Anthropic netvrdí, že se nic nezměnilo. Tvrdí, že změny byly produktová a rozhraní rozhodnutí ovlivňující to, co uživatelé vidí a kolik úsilí systém vynakládá ve výchozím nastavení — ne tajný downgrade základního modelu.
Benchmark drama: pokles z 2. na 10. místo, nebo statistický šum?
Nejhlasitější benchmark-based tvrzení přišlo od BridgeMind, provozovatele BridgeBench hallucination benchmarku. Dne 12. dubna tweetoval, že Claude Opus 4.6 klesl z přesnosti 83,3 % (a 2. místa) na 68,3 % (a 10. místo) v novém přetestování — a označil to za důkaz, že 'Claude Opus 4.6 je nerfnutý'.
Post se šířil virálně — ale nezávislý výzkumník Paul Calcraft ho rychle rozboroval. Ukázal, že první výsledek byl založen na pouhých 6 úlohách, zatímco druhý na 30 úlohách. Šlo doslova o jiný benchmark. Na 6 společných úlohách se výkon Claudea změnil jen minimálně — z 87,6 % na 85,4 %. Dramatický pokles pocházel převážně z jednoho fabrication výsledku bez opakování, což mohlo být čistě statistický šum.
- Přechod na adaptivní uvažování (9. února): model sám volí, kolik úsilí do úkolu vloží
- Výchozí effort level 85 (3. března): nižší výchozí úsilí pro běžné dotazy, šetří latenci i náklady
- Změna TTL cache prompt (6. března): různé délky cache pro různé typy requestů
- Úprava limitů sessions (26. března): 7 % uživatelů na Pro tarifu naráží na limity dříve než dřív
- Skrytí 'thinking' v rozhraní: UI-only změna, model stále uvažuje na pozadí
Co to znamená pro váš byznys?
Celá kontroverze se odehrává v kontextu obrovského růstu poptávky po Claude. Anthropic sám přiznal, že musí řídit kapacitu a od konce března upravuje, jak rychle uživatelé spotřebovávají session limity ve špičce (pracovní dny, 5–11 ráno pacifického času). Zhruba 7 % Pro uživatelů naráží na limity, na které by dříve nenarazili.
Pro firmy, které Claude využívají ve svých procesech, z toho plyne několik praktických závěrů. Zaprvé: výchozí nastavení modelu se mění a to, co fungovalo dobře před třemi měsíci, nemusí fungovat stejně dobře dnes — ne proto, že by model byl 'hloupější', ale proto, že Anthropic změnil výchozí hodnoty parametrů. Zadruhé: pokud potřebujete hluboké uvažování, musíte to explicitně říct — buď příkazem /effort high v Claude Code, nebo příslušnými parametry v API. Zatřetí: enterprise zákazníci (Team a Enterprise tarify) tyto změny session limitů nepocítí — jsou explicitně vyloučeni.
Situace odhaluje zásadní problém celého odvětví: firmy budují procesy na AI modelech, jejichž chování se může změnit ze dne na den bez výraznějšího upozornění. Není to výhradně problém Anthropicu — stejnou zkušenost mají uživatelé GPT, Gemini i dalších modelů. AI jako služba přináší stejné riziko jako jakákoliv závislost na externím dodavateli: kontrola nad výkonem není ve vašich rukou.
Řešení? Pravidelné testování výkonu modelu na vašich specifických úlohách — ideálně automatizované, s historickými daty. Žádný AI vendor vám nezaručí neměnný výkon. Ale firmy, které mají vlastní benchmarky na svých datech, alespoň vědí, kdy se něco změnilo — a mohou na to reagovat dřív, než to pocítí jejich zákazníci.