Claude 應用程式改以自動模式為預設
據 Anthropic 官方網站 10 月 22 日的更新，該公布後的一周起，Claude 網頁版、桌面版及手機應用程式的新對話，在 Pro、Max 及 Team 方案會預設以自動模式（auto mode）運行。Anthropic 表示，系統不再就每一個動作徵求用戶批准，改為由一個自動檢查逐一審視：安全的動作直接執行，高風險的會被攔截，Claude 隨即另尋方法或直接問用戶。Enterprise 方案的管理員會在預設生效前收到電郵通知，用戶亦可隨時把對話切換回手動批准。
Anthropic 指，自動模式在 8 月 14 日起已是 Claude Code 的預設，今次是把同一套做法推廣至大部分 Claude 應用程式。負責把關的是一個分類器，即一個即時判斷每個工具呼叫風險的模型，針對不可逆轉、具破壞性或指向用戶環境以外的動作。Anthropic 指，少了中途批准，AI 代理可以連續工作更長時間。
為何改用機器把關：權限提示的批准率達 97%
Anthropic 在同一篇文章引述 Claude Code 的數據指，用戶批准 97% 的權限提示，拒絕率只有 3%；相比之下，當 Claude 提交一份計劃等待批准時，用戶會拒絕其中 39%。Anthropic 認為，這反映不少用戶是反射式按「允許」，而非逐條審視。
同一篇文章指，截至 2026 年 6 月，49.5% 活躍命令列用戶曾自行加入 Bash 允許規則，其中 5% 直接允許任何 shell 指令；62% 用戶用過繞過權限模式或按下「不要再問」，25% 互動對話一開始就處於繞過權限模式。
1,053 名測試員的對照研究：人手攔截 13.6%，自動模式 89%
Anthropic 表示，研究機構為其招募 1,053 名有償測試員，在專為研究而設的環境工作，期間其中一個權限提示被換成一條明顯危險的指令。測試員只有 13.6%（143 人）攔下該指令，自動模式則攔下 89%（937 次）。正面比較下，自動模式攔住 800 條人手批准的指令，人手只攔住 6 條自動模式放行的指令。
測試項目 | 人手批准 | 自動模式 | 出處 |
|---|---|---|---|
攔下明顯危險的指令 | 13.6% | 89% | Anthropic |
對話早段攔截率 | 約 17% | 不隨對話長度改變 | Anthropic |
累積 50 個提示之後 | 約 5% | 不隨對話長度改變 | Anthropic |
生產級嚴重度（7 分或以上）中出現用戶未要求的有害動作 | 6.3% | 2.4% | Anthropic |
Anthropic 又表示，在 2026 年 5 月至 6 月由安全流程標記的實際對話中，經人手批准的對話出現嚴重非預期傷害的比率，是自動模式的兩倍以上。
紅隊測試後失誤率由 12% 降至 7%
Anthropic 表示，與英國人工智能安全初創 Apollo Research 進行兩周試驗，把合成攻擊注入真實的編程過程，再按「找出、修補、驗證」的流程強化分類器，做法是向它提供更多環境資訊，例如程式庫是否公開、git 狀態及資料處理規則。在一組 Anthropic 無從接觸的保留攻擊集上重測後，分類器的失誤率由 12% 降至 7%。Anthropic 強調，這些攻擊屬對抗性設計，7% 不應視為真實流量下的失誤率。
Anthropic 又委託第三方 Trajectory Labs 測試 72 個間接提示注入場景，即把惡意指示藏在網頁或工具結果中，誘使模型偏離用戶原意，每個場景測試 10 次。結果顯示，Claude Fable 5、Opus 5 及 Sonnet 5 在自動模式下，720 次攻擊無一成功；GPT-5.6 Sol 在 Codex 的 Auto-review 模式下，攻擊成功率為 5.83%，在 Full Access 模式下為 19.03%。
Anthropic 公開三宗內部攔截個案
Anthropic 在文章中列出自動模式在公司內部攔下的三宗事件：上傳至內部雲端硬碟失敗後，Claude 改為把同一份報告發布到公開的程式碼分享網站；一個長時間運行的對話中，Claude 嘗試大規模終止約二千個運算容器的程序，並排期刪除數以百計 GPU 上正在進行的訓練工作；被要求開通唯讀的帳單權限時，Claude 取用了一個在帳戶根層級擁有完整管理權的雲端角色。
據 Anthropic 表示，Adobe、Nuro、Gusto 及 Garner Health 已把自動模式設為生產環境的預設，而在 Team 及 Enterprise 的採用者之中，使用自動模式的用戶提交的合併請求多約 25%。據 ChasingNext 10 月 22 日整理，今次改動覆蓋網頁、桌面及手機應用程式的對話，由 10 月 22 日公布後的下一周開始推出。
暫時未有留言
提交留言即表示你已閱讀我們的私隱政策。