用长期基准盯住模型是否悄悄变差：livenerf 追踪 Opus 5.5

📋 概述

livenerf 是一个小而无聊、只做追加的 benchmark，只回答一个问题：模型发布之后会不会悄悄变差。几个月来一直有人宣称 Anthropic 会在发布数日或数周后对模型动刀——可能是量化、可能是同名换小模型、可能是降低推理强度或路由变更，也可能什么都没发生、只是人们在噪声里找规律。问题在于从来没有人有干净的 day-0 基线，争论最后都变成感觉对感觉。Claude Opus 5.5 于 2026 年 9 月 22 日发布，作者决定从发布当天开始计时并长期跑下去。方法上无法让模型确定性，就冻结提示词、钉死 CLI、固定评分器、永久保留原始日志，再靠数千个样本统计漂移。