🔓 Публичный Claude блокирует 50 из 50 попыток взлома - версия для red team не блокирует ни одной
Anthropic открыла проверенным специалистам по кибербезопасности расширенный доступ к Opus 5.5, Sonnet 5.5 и Mythos 5.1 с меньшим числом автоматических блокировок - программа Cyber Verification Program, три уровня от анализа инцидентов до санкционированного пентестирования для организаций.
На тесте CyScenarioBench разница резкая: публичная версия Opus 5.5 блокирует 50 из 50 сценариев атаки на первом же запросе. Версия для red team не блокирует ни одного - и выполняет задачи с результатом 68%, почти как модель вообще без защитных фильтров (67,6%).
Программа уже дала результат: с апреля по июль участники связанного проекта Glasswing нашли не менее 129 000 подтверждённых уязвимостей, ещё 5 500 добавило сканирование open-source кода - больше 33 000 из них получили критический или высокий рейтинг.
