Anthropics Bug-Scope-lek: een model dat één bug oplost en naar de klasse vraagt

De interessantste zin in het huidige Anthropic-lek gaat niet over intelligentie. Hij gaat over reikwijdte. Volgens een rapport dat op 19 oktober 2026 op X werd doorgegeven, bereidt Anthropic een model voor dat, wanneer het wordt gevraagd één bug op te lossen, de bredere klasse van problemen erachter kan identificeren en vervolgens kan vragen of het die ook moet aanpakken. Dat is een bewering over waar een model stopt, niet over hoe goed het redeneert — en ze komt direct terecht op de breuklijn van elke codeeragent in productie, inclusief de agents die vandaag op Claude Opus 5.5 zijn gebouwd en de agents waarvan men al aanneemt dat ze op Claude Fable 5.5 zullen draaien, de niet-bevestigde kandidaat voor het model dat wordt beschreven. Anthropic heeft een dergelijk model niet aangekondigd, genoemd of gedateerd. Er is geen identifier, geen tariefkaart, geen modelkaart en geen evaluatie. Alles hieronder over het gerapporteerde gedrag is niet-geverifieerde berichtgeving uit één bron, en alles hieronder over de huidige line-up komt uit Anthropics eigen documentatie. De gedocumenteerde AI-fouten en incidenten met codeeragents achter berichten zoals dit zijn verzameld in het OrcaRouter AI Incident Archive waar elke vermelding haar eigen bronnen, ernst, betrouwbaarheidsgraad en betwist-markering bevat.

De formulering is hier belangrijker dan anders, omdat twee samenvattingen van hetzelfde rapport twee verschillende gedragingen beschrijven. Degene die als een specificatie leest — één bug, de klasse erachter, een vraag of de opdracht moet worden verbreed — staat in de relay die ons heeft bereikt. De openbare aggregatie van het rapport, gelezen op 19 oktober, bevat een andere formulering: een model “met een betere intuïtie en een beter redeneervermogen dat onderliggende bedoelingen kan doorzien en beter is in out-of-the-box denken.” Dat zijn niet dezelfde beweringen. De ene gaat over een model dat meer werk voorstelt; de andere over een model dat leest wat je bedoelde. Beide kunnen waar zijn voor hetzelfde model, maar slechts één ervan verandert hoe een diff er op maandagochtend uitziet, en dat is degene die het waard is om uit elkaar te halen.

Wat de bewering eigenlijk zegt, en wat niet

Haal de bijvoeglijke naamwoorden weg, en het rapport beschrijft een gedrag in drie stappen: het model krijgt één defect, het generaliseert van dat defect naar een patroon, en het legt het patroon voor aan de gebruiker in plaats van het stilzwijgend te repareren. De derde stap is wat dit tot een ontwerpclaim maakt in plaats van een benchmarkclaim. Een model dat elk geval stilletjes zou repareren, zou een autonome agent zijn met een onbegrensde impactradius. Een model dat het patroon vindt en ernaar vraagt, stelt een wijziging voor aan de scope van de taak, wat iets is wat een zorgvuldige engineer doet en iets wat een achteloze agent niet eenzijdig zou mogen doen.

Het is ook geen bewering die iemand al kan beoordelen. Er is geen publieke takenreeks die ‘de klasse correct geïdentificeerd’ afmeet tegen ‘een patroon verzonnen dat er niet was’. Beide gedragingen zien er in een transcript identiek uit: het model komt terug met een lijst. Of de lijst een echte generalisatie of een zelfverzekerde hallucinatie is, wordt pas beslecht door elk item te lezen, en dat is precies het werk dat het model je zou moeten besparen.

Wat het rapport niet zegt, is even zwaarwegend. Geen modelnaam. Geen API-identificatie. Geen prijs, contextvenster of uitvoerlimiet. Geen aanwijzing of het gedrag een standaardinstelling is, een modus, of iets waar de aanroeper specifiek om moet vragen. En geen enkele vorm van bevestiging door de leverancier — de nieuwsruimte van Anthropic heeft sinds Claude Haiku 5.5 op 7 oktober 2026 niets gepubliceerd over een nieuw model, en het modellenoverzicht van Claude Platform vermeldt nog steeds precies vier modellen: Claude Fable 5.1, Claude Opus 5.5, Claude Sonnet 5.5 en Claude Haiku 5.5.

Waarom “de bredere klasse” een andere bewering is dan “beter redeneren”

Betere redeneervaardigheid is de veilige bewering. Elke generatie wordt zo beschreven, het wordt gemeten op publieke indices, en een opvolger die hoger scoort zou eerder worden verwacht dan nieuwswaardig zijn. Generaliseren vanuit één instantie is een andere operatie, en de reden dat het interessant is, is dat het het meest voorkomende echte defectpatroon in software is.

Het canonieke voorbeeld is injectie. Je meldt één niet-gesanitiseerde query in één handler. De categorie erachter is elke andere handler die een query op dezelfde manier opbouwt. Een menselijke reviewer die dit eerder heeft gezien, repareert niet alleen die ene handler en gaat verder; die zoekt met grep naar het patroon en vraagt zich dan af of de oplossing in dit ticket thuishoort. Een model dat hetzelfde doet, voert een review uit, geen reparatie. De output is geen patch maar een bevinding — en bevindingen zijn alleen nuttig als iemand met de bevoegdheid om het ticket te verbreden erbij betrokken is.

• Wat de claim beschrijft — identificeer bij één defect het patroon en kaart het aan voordat u handelt.

• Wat een gewone fix doet — wijzigt de code die je hebt aangewezen, en stopt.

• Wat een onzorgvuldige agent doet — hij wijzigt de code die je hebt aangewezen, gaat daarna gewoon verder, en de diff is het eerste wat je ervan hoort.

• Wat het rapport openlaat — of “asks” een blokkerende vraag in een interactieve sessie betekent of een notitie die aan een voltooide wijziging is toegevoegd.

Die laatste regel is het punt waarop het lek niet meer beoordeelbaar is. Het verschil tussen die twee lezingen is het verschil tussen een tool die wijzigingsbeheer respecteert en een die zijn eigen scope creep achteraf documenteert.

De eigen richtlijnen van Anthropic staan al aan beide kanten hiervan.

Dit is wat de bewering geloofwaardig maakt in plaats van willekeurig. De gepubliceerde richtlijnen van Anthropic voor Claude Code vragen op de ene plek precies om dit instinct en waarschuwen er op een andere plek tegen, en de twee stukken advies worden door een paragraaf gescheiden.

“Los de grondoorzaken op, niet de symptomen” is een van de gedocumenteerde strategieën in de gids met best practices voor Claude Code, geïllustreerd met een buildfout: los de fout op en controleer dat de build slaagt, en onderdruk de fout niet. Dat is een directe instructie om verder te kijken dan het gemelde geval. Een paar secties eerder zegt dezelfde gids: “Baken de taak af. Geef aan welk bestand, welk scenario en welke testvoorkeuren,” met het voorbeeld van vragen om een test die één randgeval dekt in plaats van tests in het algemeen. De reden die wordt gegeven, is dat Claude intentie kan afleiden, maar geen gedachten kan lezen.

De gids trekt ook een grens bij de diffgrootte: de planmodus is de extra inspanning waard wanneer een wijziging meerdere bestanden raakt of de aanpak onzeker is, en 'als je de diff in één zin kunt beschrijven, sla je het plan over.' Een model dat van één bug een hele klasse maakt, zet per definitie een diff van één zin om in een plan. Het gedrag dat het lek beschrijft, is dus niet vreemd aan de productfilosofie van A​nthropic — het is het moment waarop twee van de principes die zij noemt met elkaar botsen, en die botsing wordt momenteel door de gebruiker opgelost, niet door het model.

Er is een tweede, minder comfortabele reden waarom de bewering aannemelijk is. De eigen documentatie van Anthropic zegt openlijk dat een model stopt wanneer het werk klaar lijkt, en dat zonder iets dat het model kan uitvoeren — een testsuite, een build-exitcode, een diff tegen een fixture — “ziet er klaar uit” het enige beschikbare signaal is. Een model dat generaliseert van één bug naar een klasse is een model dat een signaal heeft gevonden dat verder reikt dan “ziet er klaar uit”. Dat is het sterkste argument voor die capaciteit en het sterkste argument om te vragen voordat je ernaar handelt.

Waar de beslissing vandaag daadwerkelijk wordt genomen

Het nuttige aan deze leak is dat de controles die ervoor nodig zouden zijn al bestaan, en je kunt ze inspecteren zonder op een model te wachten. Drie ervan doen ertoe.

• Inspanning — Anthropic biedt vijf niveaus, van low via medium en high tot xhigh en max, en de instelling bepaalt hoeveel werk het model zelfstandig verricht. Claude Opus 5.5 en Claude Haiku 5.5 staan standaard op medium; de andere huidige modellen staan standaard op high. Inspanning geldt voor alle outputtokens, inclusief tool-aanroepen, wat betekent dat een scope-uitbreidend model op high effort een scope-uitbreidend model met een hogere rekening is.

• Plan mode — Claude Code scheidt verkenning van uitvoering, en de gedocumenteerde drempel om het te gebruiken is precies het geval met meerdere bestanden dat een bugklasse impliceert. De controle is geen filter op de ideeën van het model; het is een fase waarin je de verbrede scope kunt zien voordat er een diff van wordt gemaakt.

• Deterministische gates — hooks voeren een controle uit als script en kunnen voorkomen dat een beurt eindigt totdat deze slaagt. Dat is de enige van de drie die niet afhangt van de keuze van het model om te vragen. Als het gerapporteerde gedrag ooit wordt uitgebracht, is de eerlijke manier om het te gebruiken achter een gate die je zelf hebt geschreven, want “vraagt of het die moet aanpakken” is een belofte over het oordeel van een model, en een stop-hook is een belofte over het jouwe.

Niets daarvan is kritiek op de bewering. Het is juist de reden dat de bewering interessant is: een model dat een bredere reikwijdte voorstelt, is alleen een verbetering als de verbreding zichtbaar is voordat ze wordt toegepast, en elk mechanisme dat die zichtbaar maakt, is iets wat de aanroeper configureert, niet iets wat het model garandeert.

Wat het zou kosten als het werkte

Scope-uitbreiding is de duurste vorm van behulpzaamheid, omdat het de output vermenigvuldigt in plaats van de input. Op Anthropics huidige tariefkaart kost Claude Fable 5.1 $10 per miljoen inputtokens en $50 per miljoen outputtokens, terwijl Claude Opus 5.5 $4 en $20 kost — en Anthropics eigen documentatie verwijst ontwikkelaars eerst naar Claude Opus 5.5 en stapt pas over naar Fable wanneer evaluaties van Opus bij hogere inspanning nog steeds tekortschieten. Een model waarvan het verkoopargument is dat het meer werk vindt om te doen, gaat regelrecht in tegen dat advies, want de goedkope tier is degene waarvan je de output wilt vermenigvuldigen, en de dure tier is degene waar een uitgebreidere ticket een begrotingspost is.

Er is een secundaire kost die niet op een tokenfactuur verschijnt: review. Een patch voor één functie lees je in een minuut. Een bevinding die negen andere call sites noemt, moet item voor item worden geverifieerd, en die verificatie is hetzelfde werk dat het model claimde weg te nemen. Dat is geen argument tegen de capaciteit — een goede reviewer met een checklist is sneller dan een goede reviewer zonder — maar het betekent wel dat de waarde afhangt van precisie. Een model dat vijf echte gevallen en één verzonnen geval naar boven haalt, heeft je de tijd gekost om het verzonnen geval te weerleggen, en je geleerd de lijst iets minder te vertrouwen.

Wat je vandaag kunt noemen, en het eerlijke antwoord over deze.

Niets nieuws. Er is geen identifier voor het model in het rapport, en onze eigen catalogus is daarvoor een goede test: als we hem om anthropic/claude-fable-5.5 vragen, retourneert die model not found, en hetzelfde geldt voor anthropic/claude-haiku-5.5. Die strings behoren niet tot de 209 modellen die we routeren. Wat wel werkt, is de huidige line-up tegen Anthropic's lijstprijs — anthropic/claude-opus-5.5 met een contextvenster van 1M tokens, een uitvoerlimiet van 128K en $4 / $20 per miljoen, en anthropic/claude-fable-5.1 tegen $10 / $50. Elk platform dat nu adverteert met toegang tot “het nieuwe bug-huntingmodel van Anthropic” verkoopt een naam.

De praktische vraag die een lezer echt heeft, is niet hoe het model heet. Het is hoe je erachter komt of een model dat de scope verbreedt, helpt of schaadt op jouw codebase, zonder een productiepad op een gerucht te verwedden. Dat is een routeringsvraag, en het is de enige plek waar een platform zijn bestaansrecht verdient: stuur een deel van de verzoeken naar het onbewezen model met een model dat je al hebt gemeten erachter, zodat een slechte generalisatie je één review kost in plaats van een incident. De prijswijzigingen en nieuwe releases van Anthropic komen dezelfde dag op OrcaRouter terecht tegen 0% opslag, dus wanneer er een tariefkaart verschijnt, zijn de kosten van het experiment de lijstprijs en niets daarbovenop. Je kunt precies zien wat de huidige top van het assortiment kost op de modelpagina van Claude Opus 5.5, en dat vergelijken met de pagina van Claude Fable 5.1 voordat je besluit waarop je workload standaard moet draaien.

Wat zou dit stuk veranderen?

Drie dingen, en het eerste is het punt dat het snelst uitsluitsel zou geven.

Een first-partyzin. Eén regel in de documentatie van Anthropic die beschrijft wanneer het model zijn scope verruimt, en of die verruiming standaard is of een opt-in, zou de hele leak omzetten in een specificatie. Het ontbreken van die regel is de reden dat elke bewering hier moet worden afgezwakt.

Een gepubliceerde evaluatie. “De klasse gevonden” is alleen betekenisvol tegenover “de klasse uitgevonden”, en geen enkele leverancier publiceert een takenreeks die beide onderscheidt. Totdat die bestaat — precisie en recall bij het identificeren van defectklassen, gescoord door iemand anders dan het lab — is een bewering over generaliseren vanuit één bug een beschrijving van een intentie, geen capaciteit die je tussen modellen kunt vergelijken.

Een naam en een tariefkaart samen. De naamgevingsconventie is stabiel gebleven voor Fable 5, Fable 5.1, Opus 5.5, Sonnet 5.5 en Haiku 5.5, en de identifier draagt de tier: een claude-fable-5-5 zou $10 / $50 impliceren en een claude-opus-5-6 zou $4 / $20 impliceren. Eén string in het modellenoverzicht beantwoordt de vraag waar het lek duizend woorden aan besteedt.

Tot dan is de eerlijke positie dat een frontierlab naar verluidt toewerkt naar een gedrag waar elke engineeringorganisatie al een beleid over heeft, en niemand heeft dat beleid gepubliceerd. Of een model de bug moet oplossen die je hebt gemeld, of de bug waarvan je niet wist dat je die had, is geen vraag over capaciteiten. Het is een vraag over wie de mergeknop vasthoudt, en het lek — waarin staat dat het model erom vraagt — is een geruststellender antwoord dan het antwoord dat de meeste codingagents momenteel geven, namelijk doorgaan en de diff voor zichzelf laten spreken.