Claude Code 的 Auto 模式现已成为 Pro、Max 和 Team 计划的默认设置

通用 AI8/9 06:36Simon Willison查看原文 ↗

摘要

Anthropic 将 Claude Code 的自动模式设为默认，并公布人类与 AI 安全对比数据及第三方注入测试结果，作者对此持谨慎乐观态度。

核心要点

自 2026 年 8 月 14 日起，auto 模式成为 Claude Code 中 Pro、Max 和 Team 计划的新会话默认设置。
Anthropic 在 1,053 名付费测试者的实验中，将权限提示替换为危险命令，仅 13.6% 的人类拒绝，而 auto 模式可阻止 89% 的此类操作。
第三方机构 Trajectory Labs 测试了 72 种间接提示注入场景，共 720 次攻击尝试，对 Claude Fable 5、Opus 5、Sonnet 5 的 auto 模式全部失败。
Anthropic 高管 Cat Wu 表示即将发布更多评估，并称“已基本缓解所有攻击”，提示注入和数据外泄风险远低于人类审查员。
作者指出，人类确认疲劳是真实问题，但 11% 的 auto 模式漏网案例仍需警惕，尤其是提示注入攻击。

原文佐证

Only 13.6% of the humans refused that harmful action. Auto mode would have blocked 89% of those actions.
none of the 720 attack attempts succeeded against Claude Fable 5, Opus 5, or Sonnet 5 running auto mode.
We’re going to publish some evals in the coming weeks, but we’ve pretty much mitigated every attack.

AI 洞察

这标志着 AI 编程助手从“人工确认”向“自动执行”的关键转变，安全防线正从人转移到模型本身。未来编码 agent 的安全竞争将围绕“自动模式下的稳健性”，而第三方评估与真实攻击测试将成为决定信任度的核心标准。提示注入尚未完全解决，11% 的遗漏率意味着攻击面仍然存在，行业需建立更透明的安全基准。