Взлом Claude Code: 60–80% успех против 0% по версии Anthropic

Исследователь безопасности взломал Claude Code Opus 5 в авторежиме — режиме, где ИИ сам запускает команды, не спрашивая разрешения. Атака работала в 60–80% случаев: зловредный сервер обманывал агента ZIP-архивом, внутри которого был Python-файл, подменявший стандартную библиотеку и запускавший шпионский процесс с выходом в интернет. Это прямо противоречит заявлению Anthropic о 0,00% успешных атак — но их тест просто не включал этот сценарий.

Anthropic закрыла отчёт с пометкой «информационный» и уточнила: авторежим — это удобство, не гарантия безопасности. Разрыв между маркетинговыми бенчмарками и реальной защитой ИИ-агентов становится всё очевиднее — пока лаборатории тестируют готовые сценарии, злоумышленники работают за их пределами.