Wyciek Bug-Scope w Anthropic: model, który naprawia jeden błąd i pyta o klasę

Najciekawsze zdanie w obecnym przecieku A​nthropic nie dotyczy inteligencji. Dotyczy zakresu. Według raportu przekazanego na X 19 października 2026 r. A​nthropic przygotowuje model, który — poproszony o naprawienie pojedynczego błędu — potrafi zidentyfikować szerszą klasę problemów, które się za nim kryją, a następnie zapytać, czy powinien zająć się także nimi. To twierdzenie o tym, gdzie model się zatrzymuje, a nie o tym, jak dobrze rozumuje — i trafia bezpośrednio w linię uskoku każdego agenta kodującego w produkcji, w tym tych zbudowanych obecnie na Claude Opus 5.5 i tych, o których ludzie już zakładają, że będą działać na Claude Fable 5.5, niepotwierdzonym kandydacie na opisywany model. A​nthropic nie ogłosiła, nie nazwała ani nie podała daty żadnego takiego modelu. Nie ma identyfikatora, cennika, karty modelu ani ewaluacji. Wszystko poniżej na temat opisywanego zachowania to niezweryfikowane doniesienia z jednego źródła, a wszystko poniżej na temat obecnego zestawu modeli pochodzi z własnej dokumentacji A​nthropic. Udokumentowane awarie AI i incydenty z agentami kodującymi, które stoją za raportami takimi jak ten, są zebrane w OrcaRouter AI Incident Archive gdzie każdy wpis zawiera własne źródła, poziom istotności, stopień pewności i oznaczenie sporności.

Sformułowanie ma tu większe znaczenie niż zwykle, ponieważ dwa streszczenia tego samego raportu opisują dwa różne zachowania. To, które brzmi jak specyfikacja — jeden błąd, klasa stojąca za nim, pytanie, czy rozszerzyć zadanie — pojawia się w przekazie, który do nas dotarł. Publiczne zestawienie raportu, czytane 19 października, zawiera inne sformułowanie: model „o lepszej intuicji i rozumowaniu, który potrafi rozpoznać ukryte intencje i lepiej myśli poza schematem”. To nie są te same twierdzenia. Jedno dotyczy modelu proponującego więcej pracy; drugie dotyczy modelu odczytującego, co miałeś na myśli. Oba mogą być prawdziwe w przypadku tego samego modelu, ale tylko jedno z nich zmienia to, jak wygląda diff w poniedziałek rano, i to właśnie to warto rozłożyć na części.

Co to twierdzenie faktycznie mówi, a czego nie

Odrzuć przymiotniki, a raport opisuje trzystopniowe zachowanie: modelowi podaje się jeden defekt, model uogólnia ten defekt do wzorca i ujawnia wzorzec użytkownikowi zamiast po cichu go naprawiać. Trzeci krok sprawia, że jest to twierdzenie projektowe, a nie twierdzenie benchmarkowe. Model, który po cichu naprawiałby każdy przypadek, byłby autonomicznym agentem o nieograniczonym zasięgu rażenia. Model, który znajduje wzorzec i pyta, proponuje zmianę zakresu zadania — co robi staranny inżynier, a czego nieostrożnemu agentowi nie należy pozwalać robić jednostronnie.

To także nie jest twierdzenie, które ktokolwiek mógłby już ocenić. Nie istnieje publiczny zestaw zadań, który mierzy „poprawne zidentyfikowanie klasy” w zestawieniu z „wymyśleniem wzorca, którego nie było”. Oba zachowania wyglądają w transkrypcie identycznie: model odpowiada listą. To, czy lista jest prawdziwą generalizacją, czy pewną siebie halucynacją, można rozstrzygnąć tylko, czytając każdy element, co jest pracą, którą model miał ci oszczędzić.

Równie istotne jest to, czego raport nie mówi. Żadnej nazwy modelu. Żadnego identyfikatora API. Żadnej ceny, wielkości okna kontekstu ani limitu tokenów wyjściowych. Brak jakiegokolwiek wskazania, czy to zachowanie jest domyślne, stanowi tryb, czy jest czymś, o co wywołujący musi poprosić. I żadnego potwierdzenia od dostawcy — newsroom Anthropic nie opublikował nic o nowym modelu od czasu Claude Haiku 5.5 z 7 października 2026 r., a przegląd modeli Claude Platform nadal wymienia dokładnie cztery modele: Claude Fable 5.1, Claude Opus 5.5, Claude Sonnet 5.5 i Claude Haiku 5.5.

Dlaczego „szersza klasa” to inne twierdzenie niż „lepsze rozumowanie”

Lepsze rozumowanie to bezpieczne twierdzenie. Każdą generację opisuje się w ten sposób, mierzy się ją na publicznych indeksach, a następca osiągający wyższy wynik byłby czymś oczekiwanym, a nie wartym uwagi medialnej. Uogólnianie na podstawie pojedynczego przypadku to inna operacja, a interesujące jest w niej to, że stanowi najczęstszy rzeczywisty wzorzec defektu w oprogramowaniu.

Kanonicznym przykładem jest wstrzyknięcie. Zgłaszasz jedno nieoczyszczone zapytanie w jednym handlerze. Klasą problemu, który za tym stoi, jest każdy inny handler budujący zapytanie w ten sam sposób. Ludzki recenzent, który widział to już wcześniej, nie naprawia jednego handlera i nie idzie dalej; przeszukuje kod pod kątem wzorca, a następnie pyta, czy poprawka należy do tego zgłoszenia. Model, który robi to samo, przeprowadza przegląd, a nie naprawę. Wynik nie jest łatką, lecz ustaleniem — a ustalenia są użyteczne tylko wtedy, gdy w procesie uczestniczy ktoś z uprawnieniami do rozszerzenia zgłoszenia.

• Co opisuje zgłoszenie — mając jeden defekt, zidentyfikuj wzorzec i zgłoś go przed podjęciem działań.

• Co robi zwykła poprawka — zmienia kod, na który wskazałeś, i na tym poprzestaje.

• Co robi nieuważny agent — zmienia kod, który wskazałeś, po czym idzie dalej, a diff jest pierwszą informacją, jaką o tym dostajesz.

• Co raport pozostawia otwarte — czy „asks” oznacza blokujące pytanie w sesji interaktywnej, czy notatkę dołączoną do zakończonej zmiany.

Ta ostatnia linia to punkt, w którym wyciek przestaje podlegać ocenie. Różnica między tymi dwoma odczytaniami to różnica między narzędziem, które respektuje kontrolę zmian, a takim, które dokumentuje własne rozszerzanie zakresu po fakcie.

Własne wytyczne Anthropic już sytuują się po obu stronach tego

Oto co sprawia, że to twierdzenie jest wiarygodne, a nie przypadkowe. Opublikowane wytyczne Anthropic dotyczące Claude Code w jednym miejscu wprost proszą o dokładnie ten instynkt, a w innym przed nim ostrzegają, przy czym te dwie porady dzieli jeden akapit.

„Zajmij się przyczynami źródłowymi, a nie objawami” to jedna z udokumentowanych strategii w przewodniku po najlepszych praktykach Claude Code, zilustrowana przykładem niepowodzenia kompilacji: napraw błąd i sprawdź, czy kompilacja się powiedzie, a nie tłumij błędu. To bezpośrednia instrukcja, by spojrzeć poza zgłoszony przypadek. Kilka sekcji wcześniej ten sam przewodnik mówi: „Określ zakres zadania. Wskaż, który plik, jaki scenariusz i preferencje dotyczące testowania”, z przykładem proszenia o test obejmujący jeden przypadek brzegowy, a nie o testy ogólnie. Podany powód jest taki, że Claude potrafi wywnioskować intencję, ale nie czyta w myślach.

Przewodnik wyznacza również granicę, jeśli chodzi o rozmiar diffu: tryb planowania jest wart tego narzutu, gdy zmiana obejmuje wiele plików lub podejście jest niepewne, a „jeśli diff da się opisać jednym zdaniem, pomiń plan”. Model, który rozszerza jednego buga w całą klasę, z założenia zamienia diff opisany jednym zdaniem w plan. Zachowanie opisane w wycieku nie jest więc obce filozofii produktu Anthropic — to moment, w którym zderzają się dwie z jej deklarowanych zasad, a to zderzenie jest obecnie rozstrzygane przez użytkownika, nie przez model.

Istnieje drugi, mniej komfortowy powód, dla którego to twierdzenie jest wiarygodne. Własna dokumentacja A​nthropic otwarcie przyznaje, że model zatrzymuje się, gdy praca wygląda na ukończoną, a bez czegoś, co model może uruchomić — zestawu testów, kodu wyjścia kompilacji, diffu względem fixture’a — „wygląda na ukończoną” jest jedynym dostępnym sygnałem. Model, który uogólnia z jednego błędu na całą klasę, to model, który znalazł sygnał wykraczający poza „wygląda na ukończoną”. To najsilniejszy argument za tą zdolnością i najsilniejszy argument za tym, by zapytać, zanim zacznie się na jej podstawie działać.

Gdzie dziś faktycznie zapada decyzja

Pożyteczne w tym wycieku jest to, że mechanizmy kontrolne, których by wymagał, już istnieją i można je sprawdzić, nie czekając na model. Znaczenie mają trzy z nich.

• Effort — A​nthropic udostępnia pięć poziomów: od low przez medium i high po xhigh i max, a to ustawienie określa, ile pracy model wykonuje samodzielnie. Claude Opus 5.5 i Claude Haiku 5.5 domyślnie korzystają z medium; pozostałe obecne modele domyślnie korzystają z high. Effort dotyczy wszystkich tokenów wyjściowych, w tym wywołań narzędzi, co oznacza, że model rozszerzający zakres na poziomie high to model rozszerzający zakres z większym rachunkiem.

• Tryb planowania — Claude Code oddziela eksplorację od wykonania, a udokumentowany próg jego stosowania odpowiada dokładnie przypadkowi wielu plików, który implikuje klasa błędów. Ta kontrola nie jest filtrem pomysłów modelu; to etap, na którym widzisz rozszerzony zakres, zanim stanie się on diffem.

• Deterministyczne bramy — hooki uruchamiają sprawdzenie jako skrypt i mogą zablokować zakończenie tury, dopóki nie przejdzie. To jedyna z trzech, która nie zależy od tego, czy model zdecyduje się zapytać. Jeśli zgłoszone zachowanie kiedykolwiek zostanie wdrożone, uczciwym sposobem jego użycia jest umieszczenie go za napisaną przez siebie bramą, ponieważ „pyta, czy powinien się nimi zająć” to obietnica dotycząca osądu modelu, a hook zatrzymania to obietnica dotycząca twojego własnego.

Nic z tego nie jest krytyką tego twierdzenia. To właśnie dlatego to twierdzenie jest interesujące: model, który proponuje szerszy zakres, jest usprawnieniem tylko wtedy, gdy to poszerzenie jest widoczne, zanim zostanie zastosowane, a każdy mechanizm, który czyni je widocznym, jest czymś, co konfiguruje wywołujący, a nie czymś, co gwarantuje model.

Ile by to kosztowało, gdyby zadziałało

Rozszerzanie zakresu to najdroższy rodzaj pomocności, ponieważ mnoży dane wyjściowe, a nie wejściowe. Według obecnego cennika A​nthropic Claude Fable 5.1 kosztuje 10 USD za milion tokenów wejściowych i 50 USD za milion tokenów wyjściowych, natomiast Claude Opus 5.5 — 4 USD i 20 USD — a własna dokumentacja A​nthropic najpierw kieruje deweloperów do Claude Opus 5.5, przechodząc do Fable dopiero wtedy, gdy ewaluacje Opusa przy wyższym wysiłku nadal wypadają poniżej oczekiwań. Model, którego atutem jest znajdowanie sobie dodatkowej pracy, stoi w bezpośredniej sprzeczności z tą radą, ponieważ to na tańszym poziomie chcesz mnożyć dane wyjściowe, a na drogim poszerzone zgłoszenie jest pozycją budżetową.

Istnieje koszt drugiego rzędu, którego nie widać na rachunku za tokeny: przegląd. Patch do jednej funkcji można przeczytać w minutę. Ustalenie, które wskazuje dziewięć innych miejsc wywołań, trzeba zweryfikować punkt po punkcie, a weryfikacja to ta sama praca, którą model twierdził, że usuwa. To nie jest argument przeciwko tej możliwości — dobry recenzent z listą kontrolną jest szybszy niż dobry recenzent bez niej — ale oznacza, że wartość zależy od precyzji. Model, który ujawnia pięć prawdziwych przypadków i jeden wymyślony, kosztował cię czas na obalenie wymyślonego i nauczył cię trochę mniej ufać tej liście.

Co możesz dziś nazwać — i szczera odpowiedź na ten temat

Nic nowego. W raporcie nie ma identyfikatora modelu, a nasz własny katalog jest tego rzetelnym testem: zapytanie o anthropic/claude-fable-5.5 zwraca nie znaleziono modelu, podobnie jak anthropic/claude-haiku-5.5. Tych ciągów nie ma wśród 209 modeli, które obsługujemy. To, co natomiast się rozwiązuje, to obecna gama modeli w cenie katalogowej A​nthropic — anthropic/claude-opus-5.5 z oknem kontekstu 1 mln tokenów, limitem wyjścia 128K i ceną 4 / 20 USD za milion oraz anthropic/claude-fable-5.1 po 10 / 50 USD. Każda platforma, która obecnie reklamuje dostęp do „nowego modelu A​nthropic do polowania na błędy”, sprzedaje nazwę.

Praktyczne pytanie, które czytelnik naprawdę ma, nie brzmi: jak nazywa się model. Brzmi: jak sprawdzić, czy model rozszerzający zakres pomaga czy szkodzi w twojej bazie kodu, nie stawiając ścieżki produkcyjnej na pogłoskę. To pytanie o routing i właśnie w tym miejscu platforma udowadnia swoją wartość: kieruj część żądań do niesprawdzonego modelu, mając za nim model, który już zmierzyłeś, tak aby zła generalizacja kosztowała cię jedno przeglądnięcie, a nie incydent. Zmiany cen i nowe wydania Anthropic trafiają do OrcaRouter tego samego dnia przy 0% marży, więc gdy pojawi się cennik, koszt eksperymentu to cena katalogowa i nic ponad nią. Możesz dokładnie zobaczyć, ile kosztuje obecnie najwyższa pozycja w ofercie na stronie modelu Claude Opus 5.5, i porównać ją z stroną Claude Fable 5.1, zanim zdecydujesz, który z nich powinien być domyślny dla twojego obciążenia.

Co zmieniłoby ten element?

Trzy rzeczy, a pierwsza z nich to ta, która rozstrzygnęłaby sprawę najszybciej.

Zdanie pochodzące od samego dostawcy. Jedna linijka w dokumentacji Anthropic, opisująca, kiedy model rozszerza zakres i czy to rozszerzenie jest domyślne, czy wymaga zgody, zamieniłaby cały wyciek w specyfikację. Brak tej linijki sprawia, że każde twierdzenie tutaj trzeba formułować z zastrzeżeniami.

Opublikowana ewaluacja. „Znalazł klasę” ma sens tylko w zestawieniu z „wymyślił klasę”, a żaden dostawca nie publikuje zestawu zadań, który je rozdziela. Dopóki taki nie istnieje — precyzja i czułość w identyfikacji klas defektów, oceniane przez kogoś spoza laboratorium — twierdzenie o generalizowaniu na podstawie jednego błędu jest opisem intencji, a nie zdolnością, którą można porównywać między modelami.

Nazwa i cennik razem. Konwencja nazewnictwa pozostaje stabilna w Fable 5, Fable 5.1, Opus 5.5, Sonnet 5.5 i Haiku 5.5, a identyfikator niesie ze sobą poziom: claude-fable-5-5 oznaczałby $10 / $50, a claude-opus-5-6 oznaczałby $4 / $20. Jeden ciąg w przeglądzie modeli rozstrzyga kwestię, na którą wyciek poświęca tysiąc słów.

Do tego czasu uczciwe stanowisko jest takie, że pewne laboratorium frontier podobno dąży do zachowania, wobec którego każda organizacja inżynierska ma już jakąś politykę, a nikt tej polityki nie opublikował. To, czy model powinien naprawić błąd, który zgłosiłeś, czy ten, o którym nie wiedziałeś, że go masz, nie jest kwestią możliwości. To pytanie o to, kto trzyma przycisk scalania, a przeciek — według którego model pyta — jest bardziej pokrzepiającą odpowiedzią niż ta, której obecnie udziela większość agentów kodujących: kontynuować i pozwolić, by diff wyjaśnił się sam.