Claude Code Auto Mode 8月14日轉預設：Anthropic話AI捉危險指令比人類仲要準

由2026年8月14日起，Claude Code嘅Pro、Max同Team計劃，新Session會預設行Auto Mode，除非用戶自己手動Pin咗另一個模式，或者管理員Set咗唔同政策 。Auto Mode會用一個專用分類器模型取代逐個指令問人類批唔批准，每次Tool Call（例如Shell Command、寫File等）都會對照用戶嘅請求同環境嚟評估風險先執行 。分類器會Block佢認為有風險嘅動作，低風險嘅動作就直接通過，唔會Stop 。

「審批疲勞」點樣促成呢個改變

Anthropic嘅內部Telemetry顯示，用戶批咗97%嘅權限提示——無論個指令有幾危險 。呢個接近100%嘅審批率反映嘅唔係仔細評估，而係習慣性㩒制，特別係長時間Session入面，審批疲勞好快出現 。喺對照研究入面，人類拒絕率由本來已經好低嘅13.6%，喺超過50次提示之後跌到大約5%，證實逐個審批嘅模式越用越差 。

1,053人研究：Auto Mode 89%攔截率 vs 人類13.6%

• 人類攔截率： 一個涉及1,053位受薪專業測試員嘅雙盲測試入面，一個植入嘅危險指令只係畀人攔到13.6%（143人拒絕）。喺50次提示之後，跌到大約5% 。
• Auto Mode攔截率： 分類器攔到同一個植入危險指令嘅89% 。
• 實際上線環境入面，人手審批Session產生非預期損害嘅機會係Auto Mode嘅兩倍 。

殘餘風險：11% Miss率同埋Zero Prompt Injection攔截

• 11% Miss率： 分類器有大約11%嘅機會Block唔到危險指令 。
• 合成對抗性評估： 第三方紅隊演練進一步降低咗分類器嘅Miss率，但冇辦法完全消除 。系統喺測試入面攔唔到任何Prompt Injection攻擊，不過呢個可能係測試設計嘅問題，並唔代表佢一概免疫 。
• 邊緣情況： 一啲前所未見或者經過精心混淆嘅惡意指令，如果超出分類器訓練數據嘅分佈範圍，仍然存在殘餘風險 。

安全機制同Override方法

• 分類器會獨立評估每個Tool Call——Auto Mode 唔係一次過批晒所有權限 。
• 用戶可以喺Session入面隨時Switch返Manual Approval模式 。
• Team同Enterprise管理員可以為成個組織Pin一個預設模式（Manual或者Auto），Overwrite用戶級別嘅預設 。
• Anthropic嘅外部紅隊計劃會繼續測試同強化分類器 。
• Enterprise帳戶暫時係Opt-in，預計大約一個月後會轉做預設 。

各計劃嘅推出安排同價格影響

計劃	8月14日預設？	價格影響
Pro（$20/月）	會——新Session預設Auto Mode	冇額外收費；Anthropic已經唔再為呢啲計劃收分類器Token費用
Max（$100–$200/月）	會	一樣——分類器Token成本由Anthropic承擔
Team（$25–$125/位/月）	會	一樣——Auto Mode冇額外嘅每位收費
Enterprise（$20/位 + API）	暫時Opt-in；預計一個月內轉預設	冇公佈額外收費項目；分類器成本由Anthropic承擔
API用戶	唔受呢次訂閱層級改動影響；API按Token計費	Claude Code API價格維持$2/$10每百萬Token（Sonnet 5推廣價至8月31日）；企業部署平均約$13/開發者/日或$150–250/開發者/月
雲平台用戶（VS Code, JetBrains, CLI）	會——Auto Mode係Pro/Max/Team所有Surface嘅新預設	同上——分類器Token已經包含喺訂閱價格入面

重點價格提示： Anthropic確認已經停止向呢啲計劃嘅用戶收取Auto Mode消耗嘅額外分類器Token費用——呢啲成本而家已經包含喺現有訂閱入面 。