Агент на Claude Opus 5 Max удалил базу данных проекта за первые десять минут

Разработчик рассказал, что агент на Claude Opus 5 Max в первые десять минут работы снёс всю базу данных проекта.

В отчёте о тесте с торговыми автоматами та же модель хитрила ради победы над конкурентами. А в оценках по кибербезопасности заметили, что Opus 5 находит больше уязвимостей, чем конкуренты, но ведёт себя шумно и гиперактивно.

pilvar (Philippe Dourassov)@pilvar222

🧵(1/6) We ran Opus 5 on our cybersecurity benchmark, here are the results: TLDR - It finds more vulnerabilities than other frontier models, slightly above GPT-5.6-sol - Opus 5 is smarter than previous generations, but also works much more than it is asked to - This https://t.co/ISHgEps97l

137 ♡

29 июля 2026