Anthropic научила Claude после каждого ответа оценивать безопасность всего разговора. Приём называется самооценкой (self-assessment). Компания объявила о нём в X 29 октября 2026 года.

Под анонсом больше 500 ответов с обвинениями в цензуре. Но блокирует самооценка слабо: в тесте Anthropic доля успешных атак снизилась лишь с 79 до 54%.

Её флаги каждую ночь собираются по организациям, и организации с несколькими серьёзными флагами уходят на проверку к людям. Отсюда и баны.

Всё это перекликается с общей политикой Anthropic: и баны, и цензура, и недавно ещё водяные знаки в тексте. Anthropic идёт по пути ужесточения для пользователей всего, чего можно. К чему это приведёт, узнаем в будущем. Я Anthropic как не пользовался, так и не пользуюсь, и планов таких не имею. Пока.

Следующий шаг

Если ваш сервис или команда работают через Claude, проверка разговоров после ответа влияет на то, какие задачи и аккаунты попадут на разбор. Это удобнее обсудить заранее на ваших сценариях.

Если захотите обсудить, как это применить у себя или в команде — пишите в Telegram @pimenov