Claude Code自動モードがデフォルトに

Anthropicはこの切り替えを、ツールが何をできるかだけでなく、人々が実際にどう行動するかへの対応として位置づけている。Claude Codeの確認プロンプトの約97%が承認され、別の調査ではClaudeが尋ねたときに承認を与えることの緊張感が39%に達したが、承認が自動的に処理されるとわずか3%に落ち着いたという。この差が自動モードの根拠だ。人間のチェックポイントはほぼ機械的にクリアされていた。

新しいデフォルトの背景にある実験では、1,053人の有料テスターが管理された環境でコーディングタスクを行い、確認画面が明らかに有害なコマンドに置き換えられた。人間のレビューはこれらのコマンドの13.6%をブロックしたが、自動モードは89%をブロックし、直接比較では人間のレビュアーが自動モードがブロックした800件のコマンドを承認した。人間の検出も繰り返しにより弱まり、セッション序盤の約17%から50回の確認後には約5%に低下したが、自動モードのブロック率は安定していた。

Apollo Researchとの並行テストでは、痕跡を隠したり、認証情報を露出させたり、データを悪意を持って扱うなど、有害な意図を隠すように設計された攻撃が構築された。Anthropicによると、自動モードは受信者の公開範囲、Gitの状態、データ処理ルールなどのコンテキストを与えられ、これらの隠れた攻撃のブロックを12件中7件から12件中約12件に引き上げた。Apollo Researchは、攻撃は現実的な脅威ではなく分類器の限界をテストするために構築されたものであり、管理されたテスト外での意図的な回避に対して分類器が持ちこたえられるかどうかにかかっていると指摘している。