Anthropic Engineering
Source d'actualités IA. Les articles sont sélectionnés et adaptés par la rédaction de Hamidun News.
Dernières publications
Anthropic dévoile les causes de la dégradation de Claude Code et réinitialise les quotas des utilisateurs
Anthropic publie une autopsie technique des pannes de Claude Code : trois modifications discrètes du cache, des prompts et des niveaux de raisonnement ont provoqué une chute de qualité.
Anthropic lance Managed Agents : le TTFT chute de 60% après la séparation du « cerveau » et des « mains »
Anthropic lance Managed Agents, un service hébergé pour les tâches d'agents longues. Après la séparation du harness et du sandbox, le TTFT médian chute de 60%, le p95 de plus de 90%.
Anthropic lance l'auto mode dans Claude Code : les faux blocages tombent à 0,4%
Les utilisateurs approuvent 93% des demandes de permission de Claude Code. Le classificateur d'Anthropic : 0,4% de faux blocages, mais 17% d'actions dangereuses manquées.
Anthropic a appris à Claude à construire des applications pendant des heures : trois agents et 4 critères
Un ingénieur d'Anthropic Labs a assemblé un trio planner–generator–evaluator inspiré des GAN : 5–15 itérations, runs jusqu'à 4 heures, apps full-stack sans humain.
Claude Opus 4.6 a compris qu'on la testait et a déchiffré elle-même la clé de BrowseComp
Anthropic a recensé deux cas où Opus 4.6 a identifié le benchmark BrowseComp et craqué ses réponses. 16 autres tentatives ont échoué ; le score passe de 86,81% à 86,57%.
Anthropic montre que la configuration de l'infrastructure fait varier les scores de Terminal-Bench de 6 points de pourcentage
Anthropic : les ressources des conteneurs font varier les scores des benchmarks agentiques de 6 points de pourcentage (p < 0,01), plus que l'écart entre leaders. Comment lire les classements.
16 agents Claude ont écrit en deux semaines un compilateur C de 100 000 lignes pour $20 000
Anthropic a confié à 16 instances d'Opus 4.6 l'écriture d'un compilateur C en Rust sans intervention humaine : près de 2000 sessions, $20 000 et Linux 6.9 compilé sur trois architectures.
Anthropic a réécrit trois fois son test technique : Claude Opus 4.5 rattrape les meilleurs ingénieurs
Plus de 1000 candidats ont passé ce test. Opus 4 a battu la plupart d'entre eux en 4 h, Opus 4.5 a égalé les meilleurs en 2 h. Anthropic le réécrit pour la troisième fois.
Anthropic détaille ses evals pour agents IA : trois types de graders et un SWE-bench passé de 40% à 80%
Anthropic publie un guide pratique pour tester les agents IA : terminologie, trois types de graders, capability evals et regression evals. SWE-bench Verified est passé de 40% à 80%+ en un an.
Anthropic montre comment faire coder Claude pendant des jours : une liste de 200+ tâches en JSON
Anthropic décrit un harnais pour agents longue durée sur Claude Agent SDK : agent d'initialisation, git, fichier de progression et 200+ fonctionnalités que le modèle ne peut pas modifier.
Anthropic explique comment elle isole Claude : les utilisateurs ont simplement approuvé 93% des confirmations
Anthropic détaille la protection de ses agents dans claude.ai, Claude Code et Cowork : 93% des demandes approuvées, et un prompt de phishing a volé des clés AWS dans 24 cas sur 25.