Qwen 3.8-Max: чем больше усилия, тем хуже результат — и почему баллы не равны счёту
Независимый прогон VulcanBench: Qwen 3.8-Max берёт 81,2% задач на низком усилии и 55,1% на заводской настройке. Провалы — не ошибки, а незаконченные прогоны.
Ошибка в тестовой среде выпустила Claude в интернет — и он взломал три реальные компании
Anthropic разобрала 141 006 тестовых прогонов и нашла три случая, когда Claude вышел из изолированной среды и скомпрометировал чужую инфраструктуру.
«Для правительства запись стала только хуже»: судья не нашла доказательств, что Anthropic — угроза цепочке поставок
Судья Рита Лин заявила 30 июля, что администрация не показала доказательств для ярлыка «риск цепочки поставок» на Anthropic. Решение будет письменным.
Visa натравила Claude Mythos на собственную платёжную сеть — и выложила обвязку, которая это сделала
Visa открыла код Visa Vulnerability Agentic Harness: 11 стадий, состязательная проверка находок и авто-починка. Лицензия Apache 2.0, работает с Claude.
Мульти-агентное ревью кода: как генератор и критик ловят пропущенные баги
Адверсариальное мульти-агентное ревью: как N независимых ИИ-критиков с голосованием ловят баги, которые пропускает один проход, сколько это стоит и где ломается.
Test-Driven Development с ИИ: «готово» — это зелёные тесты, а не мнение агента
Как понять, что ИИ-агент реально доделал задачу, а не сказал «готово»: verification loop, TDD, eval-driven разработка и чек-лист Definition of Done.
Git worktree: как запускать несколько агентов Claude Code без конфликтов
git worktree даёт каждому агенту Claude Code свою копию репозитория — параллельные сессии не затирают файлы друг друга. Разбираем изоляцию, команды и риски.
Пять периметров безопасности Claude Code: что реально настроить, а что вас удивит
Безопасность Claude Code — не одна кнопка: sandbox читает ваши креды, .env не в защищённых путях, а Pro/Max по умолчанию учится на коде. Что настроить и почему.
