Anthropic は2026年8月8日(現地時間)、「Claude Code」のAuto mode（自動モード）を、Pro、Max、Teamの各プランにおける新規セッションで2026年8月14日(現地時間)よりデフォルト設定にすると発表した。この変更は、同社内でAuto modeが広く利用されている実績と、AI Engineer World’s Fairでの議論に基づく。同社のCat Wu氏によると、プロンプトインジェクションやデータ漏洩といった主要なリスクカテゴリにおいて、Auto modeは平均的な人間のレビューアよりもリスクが大幅に低いと評価されている。
この評価の一環として、1,053人の有料テスターを対象としたテストが実施された。各セッションの途中で、明らかに危険なコマンドへの許可プロンプトが提示され、テスターがこれを承認したかどうかが記録された。結果として、人間が有害なアクションを拒否したのは13.6%に過ぎなかったのに対し、Auto modeは提示されたアクションの89%をブロックする結果を示した。ただし、Auto modeでも11%のアクションは阻止できない可能性がある。
Anthropicは、サードパーティのTrajectory Labsに評価を依頼し、2026年7月17日時点のClaude CodeおよびCodexの最新公開バージョンにおける異なるモデルをテストした。この評価では、Anthropicに明かされていない72のインダイレクトプロンプトインジェクションシナリオをテストした結果、Claude Fable 5、Opus 5、Sonnet 5の各モデルがAuto modeで動作している場合、720回の攻撃試行のいずれも成功しなかったとされている。
これにより、エージェントが偶発的にファイルを削除したりデータベースをクリアしたりするような破壊的行為や、悪意のある指示がエージェントに密かに組み込まれるプロンプトインジェクションといった安全上の問題に対処することを目指している。
参考: Simon Willison’s Weblog — 2026年8月9日 07:36 (JST)
原文ハイライト"Auto mode would have blocked 89% of those actions."