Anthropic заявила об устойчивости Claude Opus 5 к prompt-инъекциям

Anthropic утверждает, что Claude Opus 5 стал первой моделью, которую команда не может взломать через prompt injection — атаки, когда пользователь пытается переписать инструкции модели. По словам создателя Claude Code Бориса Черного, на YC Startup School компания заявила: «модель больше не поддаётся prompt injection».

Исследователи из сторонней лаборатории проверили Opus 5, Fable и Sonnet на бенчмарке из 72 сценариев по 10 раз каждый — ни одна атака не сработала. Anthropic регулярно публикует результаты собственных оценок безопасности моделей.