Claude Security är i offentlig beta: Vad ”Scan to Fix” hävdar – och vad det inte gör

Anthropics säkerhetsprodukt är nu en offentlig beta för Claude Enterprise, och dess enradiga pitch är en sekvens snarare än ett adjektiv: från skanning till åtgärd, utfört sömlöst. Mekaniken bakom den raden står klart och tydligt på produktsidan – Claude skannar din kodbas med Claude Mythos, validerar fynd och föreslår patchar som du kan granska och godkänna. Tre verb, ett modellnamn och en omfattningsbegränsning som är lätt att missa vid en snabb genomläsning: detta är en beta, och den är skriven för Enterprise-kunder snarare än för alla som råkar ha ett kodförråd.

Den intressanta frågan var aldrig huruvida en språkmodell kan hitta en sårbarhet. Modeller har gjort det ett tag, ibland tillräckligt bra för att få människorna som skrev koden att skämmas. Den intressanta frågan är vad som händer mellan det ögonblick då ett fynd dyker upp och det ögonblick då det stängs, för det gapet är där säkerhetseftersläp lever: en kö av troliga problem, sorterade av ingen, tilldelade alla, stängda av slumpen. Anthropics svar är en pipeline med fyra steg, och varje steg gör ett påstående som kan granskas var för sig.

Vad “public beta för Claude Enterprise” innebär

Tillgänglighetsraden är ovanligt fyrkantig och värd att citera snarare än att parafrasera: tillgänglig i offentlig beta för Claude Enterprise. Under den finns två knappar – kontakta sälj och läs handledningen. Ingen av dem är ett registreringsformulär. I praktiken innebär det att köparen är ett företag som redan har ett Enterprise-avtal och ett säkerhetsteam med tillräcklig tyngd för att begära en ny skanner, snarare än en enskild ingenjör som vill rikta något mot ett sidoprojekt.

Det finns ett andra, lättare sätt in. Claude Security-tillägget för Claude Code är i beta. Det är en annan programvara med en annan driftsättningsmodell – skanna, validera och patcha inuti Claude Code medan koden stannar i din miljö – och det är den version som spelar roll för ett team vars hinder inte är budgeten utan en regel om var källkod får ta vägen.

Skanningen stoppar inte

Det första dokumenterade beteendet är den djupa inledande genomsökningen: Claude kör den en gång över en kodbas och fortsätter sedan att skanna när koden förändras. Det är en liten mening med en stor operativ konsekvens. En engångsgenomsökning är ett fotografi. Kodbaser är inte fotografier; de är väder. Ett fynd som var korrekt på granskningsdagen och har delvis åtgärdats av tre efterföljande merges är sämre än inget fynd alls, eftersom det tar uppmärksamhet från dem som måste läsa det igen.

Kontinuerlig skanning är också den del av produkten som är svårast att fejka. Den kräver att skannern förstår vilka förändringar som spelar roll, vilket är en annan färdighet än att hitta en sårbarhet i ett statiskt träd. Sidan beskriver inte hur den prioriteringen går till, och den här artikeln kommer inte att gissa sig till det.

Den enda axeln där påståendet är specifikt

Anthropic hävdar att Claude Security spårar dataflöden över filer och repositorier för att hitta sårbarheter som mönstermatchande skannrar kanske inte upptäcker. Det är det mest kontrollerbara påståendet i hela produktbeskrivningen, eftersom det anger en mekanism snarare än ett resultat.

Mönstermatchning letar, som namnet antyder, efter en känd dålig form: ett funktionsanrop med ett kontaminerat argument, en sträng som sammanfogas till en fråga, ett känt osäkert API. Det är snabbt, det är billigt, och det är därför traditionella skannrar är kända för två saker samtidigt – att fånga samma typ av bugg överallt där den förekommer, och att begrava teamet i fynd som visar sig vara oåtkomliga. Alternativet är att följa ett värde från där det kommer in i systemet till där det används, över gränserna mellan filer och tjänster. Det är där de verkliga buggarna gömmer sig, och det är också där analysen blir dyr, eftersom verktyget måste hålla mer kontext än vad som ryms i en enda funktion.

Lägg dock märke till försiktighetsuttrycket i meningen. Kanske inte upptäcker. Det är rätt ord att använda när en leverantör inte har något riktmärke att peka på, och det är också anledningen till att det här påståendet bör testas mot din egen kodbas i stället för att accepteras som en egenskap hos produkten.

Adversariell verifiering, och en hotmodell du kan redigera

Det andra steget är det som tar upp problemet med falska positiver som alla säkerhetsteam känner till. Varje fynd genomgår adversariell verifiering innan det når teamet. Något försöker motbevisa fyndet innan en människa ser det: visa att indatan faktiskt inte kan nå sinken, eller att vägen är skyddad uppströms, eller att koden i fråga är död.

Andra halvan av samma mening är i tysthet det mest intressanta designbeslutet på sidan. En hotmodell som ditt team kan redigera avgör vad som är värt att flagga. I praktiken lägger det definitionen av relevans i kundens händer. En skanner som själv avgör allvarlighetsgrad har alltid lite fel, eftersom allvarlighetsgrad är kontextberoende: en oautentiserad endpoint i ett internt adminverktyg är ett annat problem än samma endpoint på det öppna internet, och ingen leverantör kan veta vilken den tittar på. Att låta hotmodellen vara redigerbar är det ärliga erkännandet av detta.

Det skapar också arbete. En hotmodell som ingen underhåller blir ett filter som döljer sådant som ingen har tänkt på, vilket är motsatsen till vad en skanner är till för. De team som får värde av detta blir de som behandlar hotmodellen som ett levande dokument med en ägare, på samma sätt som de behandlar runböckerna.

En patch är enheten för utdata.

Varje fynd innehåller en rekommenderad patch som teamet kan granska och godkänna, och Claude markerar fyndet som åtgärdat när rättningen har levererats. Två påståenden ryms i den meningen och de förtjänar att separeras.

Det första är att utdata från en skanning är en ändring, inte ett ärende. Det är skillnaden mellan att säga till en ingenjör att deras kod har ett problem och att berätta för dem hur den rättade koden ser ut. Det komprimerar den minst roliga delen av säkerhetsarbetet – att förstå någon annans kod tillräckligt väl för att åtgärda den utan att förstöra det den gör – och det komprimerar den för den person som förstår koden minst. Det är också risken: en patch som ser korrekt ut och passerar granskningen eftersom granskaren var trött är en ny bugg med en grön bock.

Det andra påståendet handlar om avslutning. Claude markerar en fyndighet som åtgärdad så snart fixen har levererats, så fynd stängs i stället för att hopa sig. En eftersläpning är inte ett misslyckande i upptäckt. Det är ett misslyckande i bokföring: samma sårbarhet rapporteras sju gånger under sju skanningar, och kön växer snabbare än någon hinner tömma den. Att spåra en fyndighet fram till den commit som löser den är mekanismen som gör en kontinuerlig skanner dräglig i stället för demoraliserande.

Anthropic säger uttryckligen att människan förblir involverad, och varje patch kräver granskning och godkännande. Den som driftsätter detta bör se det som den bärande meningen snarare än som ansvarsfriskrivningen längst ned.

Två releaser, en riktning

Claude Security kom inte isolerat. Anthropic släppte Code Review som allmänt tillgängligt den 15 oktober 2026, och den kontinuerliga skanningen plus spårningen av åtgärder i Claude Security kom den 21 oktober 2026 i offentlig beta för Claude Enterprise. Lästa tillsammans säger de två något om riktningen: granskning rör sig från en grind som en ändring passerar i slutet till en process som löper parallellt med ändringen medan den skrivs. Dagarna mellan de två datumen är tillräckligt få för att produkterna bör utvärderas som en enda berättelse om vart säkerhetsarbetet är på väg, inte som två orelaterade lanseringar.

Det som inte publiceras – och siffran som skulle avgöra saken

Listan över okända saker är här längre än listan över påståenden, och det är normalt för en offentlig beta snarare än en skandal. Hur stor del av en kodbas en genomsökning täcker publiceras inte. Varaktigheten för genomsökningen publiceras inte. Andelen falska positiva publiceras inte. Benchmarkar för detektion publiceras inte. Det finns ingen oberoende utvärdering. Prissättning per användare publiceras inte, och inte heller listan över språk som stöds.

Av dessa är det saknade detektionsbenchmarken den som förändrar ett köpbeslut. Utan den är “fångar det som mönstermatchande skannrar missar” ett påstående om riktning som inte kan jämföras med skannern som redan finns i budgeten. Listan över språk som stöds är den andra: ett polyglott kodförråd är det normala i ett företag oavsett storlek, och en skanner som är utmärkt på tre språk och saknas för de andra fem är en skanner som ger en missvisande bild av riskytan.

Inget av detta betyder att produkten inte fungerar. Det betyder att utvärderingen måste göras av köparen, med köparen’s egen kod, och att en demo inte räcker.

Hur utvärderar man det ändå

Om ditt team ska prova det är det användbara experimentet inte ett helt nytt arkiv med en avsiktligt inplanterad svaghet. Det är ett arkiv som redan har en historik: en tjänst som hade en incident förra året, ett bibliotek med en känd sårbarhet som tog två veckor att åtgärda, en modul som alla är lite rädda för. Rikta skanningen mot det och jämför vad den hittar med de fynd som ditt team redan har skrivit ned. Recall för kända problem går att mäta även när en leverantör inte har publicerat ett benchmark, eftersom facit finns i din egen incidentlogg.

För det andra: håll koll på hotmodellen. Om det första ditt team gör är att stänga av de flesta kategorierna för att få ned kön, har du lärt dig att standardmodellen inte matchar den risk som ditt team faktiskt bär, och då bör du åtgärda modellen i stället för filtret. För det tredje: mät steget som spelar roll, det vill säga hur lång tid det tar från att ett fynd dyker upp till att en patch har slagits samman. Den siffran är din, den är jämförbar mellan verktyg och det är den som produkten faktiskt hävdar att den flyttar.

Var en router sitter, och var den inte sitter

Det är värt att säga rakt ut var gränsen går. Claude Security är en Anthropic-applikation. Vi hostar den inte, vi säljer den inte, och vi kan inte säga vad den hittade eller inte hittade i ditt kodförråd. Skannern körs på Claude Mythos, och vi gör inga anspråk på att hosta den modellen.

Det vi gör är att köra modeller. En OpenAI-kompatibel endpoint, en nyckel, fler än 200 modeller bakom den, leverantörernas listpriser förs vidare utan påslag och automatisk redundansväxling mellan leverantörer när en av dem krånglar. Claude Opus 5.5 finns i den katalogen till $4.00 per miljon indatatoken och $20.00 per miljon utdatatoken, med en kontext på 1M token och cacheläsningar till $0.20 per miljon. Det är ett faktum om vår katalog, inte ett påstående om skannern.

Där det blir relevant är den del av ett säkerhetsprogram som inte är en skanner: det interna verktyget som sammanfattar tusen fynd till något som en människa kan triagera, agenten som utformar rådgivningen, granskningssteget som ett team vill bygga kring sina egna regler. Det är vanliga modellanrop, och en router är ett rimligt sätt att göra dem utan att hårdkoda en leverantör. Routing-DSL:en spelar roll när ett steg vill ha en liten modell för volym och nästa vill ha en noggrann för bedömning; automatiskt failover spelar roll när anropet sitter i en pipeline som körs klockan tre på morgonen och ingen tittar.

Vad betan faktiskt ber dig att lita på

Skala bort inramningen, och produkten bygger på tre satsningar. Att en modell som resonerar kring kod hittar saker som mönstermatchning inte gör. Att en adversariell andra genomgång räcker för att hålla bruset nere. Att ett fynd bara är färdigt när en patch levereras och kön stängs bakom det. Den tredje satsningen är minst glamorös och mest sannolikt riktig, eftersom den handlar om process snarare än om intelligens.

Det första vadet är det som ska testas. Anthropic har publicerat mekanismen – spårning av dataflöden mellan filer och kodförråd – och har inte publicerat någon siffra som visar hur väl den fungerar. Det är inte ett skäl att avfärda produkten. Det är ett skäl att köra den mot ett kodförråd vars historik du redan känner till, och att bedöma den utifrån de fynd du kan verifiera snarare än de som ser imponerande ut i en demonstration.