Anthropic 智囊团一日发言｜2026-08-08

今日先看

• Claude Code 的 Auto mode 将在 8 月 14 日起对 Pro、Max、Team 的新会话默认开启。 Thariq 说它会用分类器判断每次工具调用，Boris Cherny 则把「模型训练 + 输入探针 + 意图分类器」描述为把未见间接提示注入攻击压到约 0 的多层防线。两句话都来自 Anthropic 员工，前者是产品发布说明，后者仍缺少公开测试集、分母和复现实验。
• Fable 5 的生物学相关 fallback 在 Anthropic 自测中减少约 85%。 日常健康、症状解释和教育性生物学问题会得到更多 Fable 5 支持；涉及 virology、toxicology、molecular design 的双用途请求仍 fallback 到 Opus 5，因此它还不是专业生物研究或药物研发入口。
• Claude Tag 的小模型行为控制被产品经理具体描述为「在发到频道顶层之前打断并确认」。 Noah Zweben 说 Slack / Claude Tag 是上下文很重的环境，小模型会忘记「不要发 top-level」这类提示；他把 hook 当作纠偏手段，而不是宣布一项新的默认产品能力。
• John Schulman 对此前网络安全事件给出一条需要继续核对的分流线索。 他根据 Black Hat 演讲的理解，称最初的 breach 发生在大规模训练运行中，HF hack 则发生在 cyber eval；这与 Anthropic 后来把三起事件归入第三方评测环境的公开说明不能直接拼成同一时间线。

精选信息点

1. Auto mode 下周默认开启：权限提示换成每次工具调用的风险判断

• 人物 / 账号：Thariq，@trq212，Claude Code 团队；Boris Cherny，@bcherny，Claude Code 团队负责人；Lydia Hallie，@lydiahallie，Claude Code 产品团队。
• 时间：Thariq 8 月 8 日 03:05（北京时间）发布主帖，Boris 8 月 8 日 03:15 和 06:48 回复或发帖，Lydia 8 月 8 日 02:43 回复。
• 信源层级：Anthropic 员工个人账号 + Claude 官方产品博客。
• 主题分类：Claude Code / Agent。
• 内容性质：权限模式默认值变化与安全机制说明。

automode is much safer than any other permission system out there, especially reviewing them yourself

excited to announce we're rolling it out to everyone by default, with no overhead cost for the classifier 1

turns out you can get indirect prompt injection to ~0 on unseen attacks if you stack enough layers (model training + input probes + a classifier checking intent). didn't expect that a year ago. auto mode is default in claude code as of next week 2

auto mode is safer than --dangerously-skip-permissions and manually approving everything 4

2. Fable 5 放宽生物学误伤，但双用途专业任务仍交给 Opus 5

• 人物 / 账号：Claude，@claudeai；Anthropic 官方产品团队。
• 时间：8 月 7 日 11:08（北京时间；原帖为 03:08:54 UTC）。
• 信源层级：Claude 官方账号 + Anthropic 官方 Newsroom。
• 主题分类：模型与研究。
• 内容性质：安全分类器调优与受限能力开放。

We’re updating Claude Fable 5’s biology safeguards to reduce false positives. In our testing, this update reduced biology-related fallbacks by about 85% across our product surfaces.

Fable can now assist on a wider range of everyday health and educational questions.

Fable will continue to fallback to Opus 5 for requests we consider dual-use—including virology, toxicology, and molecular design—so it isn't yet usable for professional biology research and drug development. 8

3. Claude Tag 的 hook 会在小模型发出频道顶层消息前拦一下

• 人物 / 账号：Noah Zweben，@noahzweben，Claude Code 产品经理。
• 时间：8 月 7 日 08:35（北京时间；原帖为 00:35:05 UTC）。
• 信源层级：Anthropic 员工个人账号，产品团队使用经验。
• 主题分类：Claude Code / Agent。
• 内容性质：行为控制方法说明，不是新功能发布。

I find hooks to be quite effective as a mechanism for steering this type of behavior for smaller models. Especially since Slack/Claude Tag is such a context-heavy environment, smaller models often forget general prompting around "not posting top level". Effective to interrupt with hook right at the moment they try to do so and ask them to confirm intent. 11

4. John Schulman：Black Hat 演讲似乎区分了训练运行 breach 与 cyber eval 中的 HF hack

• 人物 / 账号：John Schulman，@johnschulman2；外部观察席，不代表 Anthropic 内部立场。
• 时间：8 月 7 日 11:01（北京时间；原帖为 03:01:25 UTC）。
• 信源层级：外部研究者个人账号，转述对 Black Hat 演讲的理解。
• 主题分类：安全与可解释性。
• 内容性质：事件溯源线索，未完成独立核实。

My understanding of the Black Hat talk is that the initial breach occurred during a large-scale training run -- that's where the agents created the msg board and discovered the SSRF. Then the HF hack occurred during the cyber eval. 14

主题分类索引

• 模型与研究：2｜Fable 5 生物学安全分类器调优。
• Claude Code / Agent：1｜Auto mode 默认开启；3｜Claude Tag 中以 hook 控制频道顶层发帖。
• 产品与企业落地：本期没有新增、可独立核实的企业部署信号。
• 安全与可解释性：4｜John Schulman 对训练运行与 cyber eval 事件链的外部观察。
• 政策与治理：本期没有新增达标信号。
• 外部观察席属性：第 4 条来自外部观察席，不代表 Anthropic 内部立场；它只作为事件溯源线索保留。

今日关注优先级：高

覆盖审计

外部观察席补充

• @johnschulman2：有。 8 月 7 日 11:01：关于 Black Hat 演讲中 training run 与 cyber eval 的原文已进入第 4 条，否；182 / 5 / 7 / 13249。8 月 7 日 11:06：@natolambert yeah agreed，[原帖]；否；14 / 2 / 0 / 1066。8 月 7 日 13:44：@yong_zhengxin @_ueaj We are setting up a grant program that could potentially support this @clarejtbirch，[原帖]；否；31 / 1 / 0 / 5907。
• @nelhage：无。 窗口内未发现新公开发言。

一句话结论