Claude Code Regression: Drei Harness-Probleme, ein öffentliches Post-Mortem
Anthropic hat eine Qualitätsregression in Claude Code eingeräumt, die vom 26. März bis zum 10. April anhielt und auf drei unterschiedliche Harness-Änderungen zurückzuführen ist, die in ihrer Kombination die Ausgabequalität supprimierten. Die Korrekturen wurden mit v2.1.116+ ausgeliefert, ergänzt durch ein Zurücksetzen der Nutzungslimits für alle betroffenen Abonnenten. Ein öffentliches Post-Mortem unter anthropic.com/engineering/april-23-postmortem benennt die einzelnen Ursachen explizit.
Was die Quellen tatsächlich besagen
Die von der KI-Entwickler-Community identifizierte technische Analyse enthüllt drei separate Ursachen. Erstens wurde das Standard-Reasoning von hoch auf mittel herabgestuft — eine Konfigurationsänderung, die das Denkbudget des Modells pro Turn reduzierte. Zweitens enthielt die Logik zur Verwerfung von Thinking-Blöcken einen Fehler: Claude warf Reasoning-Blöcke bei jedem Session-Turn anstatt erst nach mehr als einer Stunde (der eigentlich vorgesehenen Cache-Optimierungsschwelle) ab; dieser Fehler lief vom 26. März bis zum 10. April unentdeckt. Drittens hatte eine System-Prompt-Änderung zur Eindämmung von Verbose-Antworten den unbeabsichtigten Nebeneffekt, die Code-Qualität zusammen mit der Ausführlichkeit zu reduzieren.
Die drei Änderungen sind einzeln betrachtet subtil, wirkten sich im gemeinsamen Überschneidungsfenster jedoch kumulativ aus. Nutzer berichteten von einer „Qualitätsverschlechterung im vergangenen Monat" — konsistent mit dem Startdatum 26. März. Anthropic veröffentlichte die Ursachenaufschlüsselung im Post-Mortem ausdrücklich, anstatt auf eine vage Erledigungsmeldung zurückzugreifen. Die Regression löste in der Entwickler-Community eine breitere Debatte über offene Harnesses aus: Wären sämtliche Harness-Änderungen öffentlich einsehbar, hätte Community-Inspektion die Regression früher erkennen können, als es interne Untersuchungen auf Basis von Nutzermeldungen vermochten.
Strategische Einschätzung
Die Post-Mortem-Praxis ist ebenso bedeutsam wie der Fix selbst. Die Veröffentlichung spezifischer Ursachen — nicht bloß „Probleme wurden identifiziert und behoben" — ist der Unterschied zwischen Transparenz als Marketinginstrument und Transparenz als technischer Norm. Für Teams, die KI-Coding-Tools evaluieren, verdeutlicht dieser Vorfall, dass Harness-Konfiguration ebenso tragend ist wie Modellqualität: Ein erstklassiges Modell mit falsch konfiguriertem Harness liefert schlechtere Ergebnisse als ein kleineres Modell mit gut abgestimmtem Harness.