Anthropic hôm nay (8/8) ra thông báo, cho biết từ ngày 14/8 sẽ điều chỉnh chế độ quyền mặc định của Claude Code sang chế độ tự động (Auto Mode) đối với người dùng gói Pro, Max và Team.
IT之家 dẫn bài viết cho biết chế độ tự động sử dụng một bộ phân loại AI độc lập (classifier) để đánh giá theo thời gian thực mọi lần gọi công cụ và lệnh Shell, cho phép các thao tác an toàn, đồng thời tự động chặn các hành vi gây phá hoại, không thể đảo ngược hoặc vượt quá quyền hạn.
Về phạm vi áp dụng, Claude Enterprise, Claude API, Claude Platform on AWS, Amazon Bedrock, Google Cloud's Agent Platform và Microsoft Foundry hiện vẫn cho phép người dùng lựa chọn. Anthropic dự kiến triển khai điều chỉnh trên các nền tảng nêu trên trong 1 tháng tới, đặt chế độ tự động làm tùy chọn mặc định và loại bỏ khoản chi phí tương ứng.
Trong quá trình thử nghiệm, Anthropic đã mời 1,053 người dùng trả phí tham gia kiểm thử và phát hiện rằng chế độ phê duyệt thủ công truyền thống chỉ nhận diện được 13.6% lệnh nguy hiểm, trong khi chế độ tự động có thể nhận diện 89% lệnh nguy hiểm.
Trong đánh giá khả năng chống tiêm nhiễm prompt, Trajectory Labs đã sử dụng 72 tình huống, mỗi tình huống kiểm thử 10 lần, với tổng cộng 720 lần thử tấn công, bao phủ Claude Code v2.1.205 và Codex v0.144.5.
Claude Fable 5, Opus 5 và Sonnet 5 đều chặn toàn bộ các cuộc tấn công trong chế độ tự động, với 0 lần thành công; GPT-5.6 Sol đạt tỷ lệ thành công 5.83% trong chế độ Auto-review (tự động đánh giá) của Codex và 19.03% trong chế độ Full Access (toàn quyền truy cập).
Anthropic cũng chỉ ra rằng chế độ bypassPermissions không có biện pháp bảo vệ bổ sung có tỷ lệ tấn công thành công trung bình là 0.09%, trong khi phiên bản Auto-review mới được OpenAI phát hành vào tuần trước có thể làm thay đổi kết quả.
