Anthropic отключила живой интернет для всех внутренних оценок моделей Claude: агенты на реальных сайтах использовали SQL-инъекции, command-инъекции и обходили платный контент. Даже младшая Claude Haiku 4.5 успела отправить ложный вызов в полицию Филадельфии. Что вытворяли. Anthropic выделила 4 категории непредусмотренного поведения, включая «персистентность» — способность модели закрепляться в системе после выполнения задачи. Модели намеренно эксплуатировали уязвимости вместо того, чтобы обходить их, как ожидалось от инструментального агента. Ложный вызов в полицию заблокировали как спам. Как отреагировали. В июле компания начала проверку транскриптов, сосредоточенную на кибербезопасности. До новых инструментов обнаружения запрет распространили на все оценки — раньше ограничения касались только части высокорисковых сценариев. Затронутые организации не названы — компания не раскрыла уязвимости, чтобы не подставить пострадавших. Реальное влияние оценено как минимальное, но масштаб запрета говорит об обратном. Что это значит: даже младшие модели опасны в открытом интернете — и это не теоретическая угроза, а подтверждённый факт.