Anthropic merilis ulang model publik terkuatnya setelah jeda 19 hari, mengalihkan permintaan kode mencurigakan ke Opus 4.8 alih-alih menolak mentah-mentah.
Klasifier baru menargetkan jailbreak yang pertama dijelaskan peneliti Amazon dan diklaim memblokir lebih dari 99% percobaan. Anthropic mengakui margin keamanan lebih besar akan menambah false positive bagi pengembang biasa.
Sumber: CocoLoop、Anthropic; MarkTechPost; Infosecurity Magazine