Anthropic Engineering
Fonte de notícias de IA. Os artigos são selecionados e adaptados pela redação do Hamidun News.
Últimas publicações
Anthropic revela causas da degradação no Claude Code e zera limites de usuários
A Anthropic publicou um post-mortem técnico do Claude Code: a queda na qualidade decorreu de três alterações em cache, prompts e níveis de raciocínio.
Anthropic lança Managed Agents: TTFT cai 60% após separar o «cérebro» das «mãos»
A Anthropic apresentou o Managed Agents, serviço hospedado para tarefas longas de agentes. Após separar harness e sandbox, o TTFT mediano caiu 60% e o p95, mais de 90%.
Anthropic lança auto mode no Claude Code: falsos bloqueios caem para 0,4%
Usuários do Claude Code aprovam 93% dos pedidos de permissão. A Anthropic trocou parte dos cliques por um classificador em duas etapas: 0,4% de falsos bloqueios, mas 17% das ações perigosas passam.
Anthropic ensinou o Claude a criar aplicativos por horas: três agentes e 4 critérios
Engenheiro da Anthropic Labs montou um conjunto planner–generator–evaluator inspirado em GANs: 5–15 iterações, execuções de até 4 horas e apps full-stack completos sem intervenção humana.
Claude Opus 4.6 percebeu que estava sendo testado e decifrou sozinho a chave do BrowseComp
A Anthropic registrou dois casos em que o Opus 4.6 identificou o benchmark BrowseComp e quebrou as respostas. Outras 16 tentativas falharam, e a nota caiu de 86,81% para 86,57%.
Anthropic mostra que a configuração de infraestrutura desloca a pontuação do Terminal-Bench em 6 p.p.
A Anthropic constatou que os recursos dos contêineres mudam o resultado de benchmarks agênticos em 6 p.p., com p < 0,01, mais do que a distância entre os líderes das tabelas. Veja como ler leaderboards.
16 agentes Claude escreveram em duas semanas um compilador C de 100 000 linhas por $20 000
A Anthropic pediu a 16 instâncias do Opus 4.6 que escrevessem um compilador C em Rust sem intervenção humana: quase 2000 sessões, $20 000 e build do Linux 6.9 em três arquiteturas.
Anthropic reescreveu o teste técnico três vezes: Claude Opus 4.5 alcançou os melhores engenheiros
Mais de 1000 pessoas fizeram o teste de engenheiro de performance. O Opus 4 superou a maioria em 4 horas, o Opus 4.5 igualou os melhores em 2. Agora o teste é refeito pela terceira vez.
Anthropic descreve evals para agentes de IA: três tipos de graders e SWE-bench de 40% a 80%
Guia da Anthropic para testar agentes de IA traz três tipos de graders e a separação entre capability e regression evals. O SWE-bench Verified foi de 40% para 80%+ em um ano.
Anthropic mostra como fazer o Claude programar por dias: lista de 200+ tarefas em JSON
A Anthropic descreveu um harness para agentes de longa duração no Claude Agent SDK: agente inicializador, git, arquivo de progresso e 200+ funcionalidades que o modelo não pode editar.
Anthropic revela como isola o Claude: usuários simplesmente aprovaram 93% das confirmações
A Anthropic detalhou a proteção de agentes no claude.ai, Claude Code e Cowork: usuários aprovaram 93% dos pedidos, e um prompt de phishing roubou chaves da AWS em 24 de 25 tentativas.