Prompt Anthropic Claude Opus 5 pojawia się w sieci, ujawniając warstwę kontroli stojącą za jego AI

Anthropic Claude Opus 5 zadebiutował 24 lipca, a tego samego dnia na GitHubie pojawił się rzekomy prompt systemowy liczący 135 027 znaków. Plik ma odtwarzać instrukcje używane przez webowe i mobilne aplikacje Anthropic, w tym pełne definicje narzędzi oraz reguły zachowania.

Twierdzenie to nie zostało niezależnie uwierzytelnione. Anthropic nie potwierdził publicznie, że każda linia pochodzi z jego środowiska produkcyjnego. Dokument liczy jednak 1 511 wierszy, około 19 370 angielskich słów i szacunkowo 34 000 tokenów.

Czas publikacji ma znaczenie równie duże jak treść. Anthropic przedstawił Opus 5 jako model do codziennego użytku, z lepszymi możliwościami agentowego programowania, pracy długoterminowej i weryfikacji. W ciągu 24 godzin deweloperzy udostępniali też rozbudowane gry i interaktywne demonstracje 3D przypisywane temu modelowi.

Rezultatem jest nietypowa premiera na podzielonym ekranie. Publiczne demonstracje pokazują, co Opus 5 potrafi stworzyć, natomiast rzekomy prompt ujawnia rozległą warstwę kontroli, która kształtuje te rezultaty.

To napięcie ma znaczenie wykraczające poza Anthropic. Czołowe produkty AI coraz bardziej opierają się na instrukcjach systemowych, schematach narzędzi, politykach pamięci, klasyfikatorach i logice aplikacji. Model dostarcza inteligencję, lecz to otaczający go system kontroli decyduje, w jaki sposób trafia ona do użytkowników.

Rzekomy prompt przypomina bardziej instrukcję obsługi produktu

Najważniejsze twierdzenie nie polega na tym, że Anthropic Claude używa promptu systemowego, lecz na tym, że jego produkt konsumencki ma rzekomo zależeć od wyjątkowo rozbudowanej instrukcji operacyjnej.

Prompt systemowy to ukryty pakiet instrukcji dostarczany przed wiadomością użytkownika. Może określać tożsamość asystenta, dostępne narzędzia, styl odpowiedzi, granice bezpieczeństwa i aktualne informacje o produkcie.

Anthropic już przyznaje, że jego interfejsy konsumenckie korzystają z tych instrukcji. Oficjalne archiwum promptów systemowych zawiera wpis dotyczący Claude Opus 5 z datą 24 lipca 2026 r. Firma twierdzi, że prompty te dostarczają aktualnych informacji i kierują zachowaniem w jej aplikacjach webowych i mobilnych.

Kwestionowany dokument na GitHubie wykracza znacznie poza materiały widoczne na tej stronie archiwum. Osoba, która go przesłała, twierdzi, że plik został pozyskany z webowych i mobilnych interfejsów czatu Anthropic. Repozytorium opisuje odtworzenie jako dosłowne lub niemal dosłowne, włącznie ze schematami parametrów narzędzi.

Opis ten pozostaje twierdzeniem właściciela repozytorium. Czytelnicy nie powinni traktować pliku jako uwierzytelnionego kodu źródłowego ani zweryfikowanej konfiguracji produkcyjnej. Prompt systemowy wyodrębniony na podstawie odpowiedzi modelu może zawierać pominięcia, powielony tekst, zmienione formatowanie lub treści wygenerowane.

Mimo to kilka szczegółów jest zgodnych z publicznie udokumentowanym zachowaniem Claude. Plik wskazuje Opus 5 jako wybrany model, używa właściwej daty premiery i opisuje funkcje produktu powiązane z obecnymi interfejsami Anthropic. Odwołuje się także do publicznej oferty modeli firmy i jej aplikacji konsumenckich.

Rozmiar dokumentu zwraca uwagę. Według źródłowego raportu o wycieku promptu plik zawiera 135 027 znaków i 19 370 angielskich słów. Przybliżone szacunki oparte na liczbie znaków wskazują na blisko 34 000 tokenów, choć ich liczba zależy od formatowania i działania tokenizera.

Widoczne metadane GitHub wskazują 1 511 wierszy i rozmiar pliku wynoszący około 132 KB. Opublikowany plik promptu zawiera sekcje dotyczące informacji o produkcie, zachowania w zakresie bezpieczeństwa, pamięci, rekomendacji aplikacji, wyszukiwania i użycia narzędzi.

Nie oznacza to, że każda interakcja wykorzystuje cały dokument w tej samej formie. Konsumenckie systemy AI mogą dynamicznie składać prompty na podstawie włączonych funkcji, ustawień konta, stanu rozmowy i dostępnych narzędzi. Buforowanie promptów może również obniżać koszty wielokrotnego przetwarzania.

Dlatego określenie „kompletny prompt systemowy” wymaga zastrzeżenia. Plik wydaje się przedstawiać jedną konfigurację aplikacji, a nie wszystkie instrukcje używane w API Anthropic, Claude Code, wdrożeniach korporacyjnych czy wewnętrznej infrastrukturze bezpieczeństwa.

Dokumentacja Anthropic wyraźnie rozdziela prompty konsumenckie od Claude API. Deweloperzy korzystający z API dostarczają własne instrukcje systemowe i definicje narzędzi. Nie powinni zakładać, że rzekomy prompt webowy reguluje działanie ich aplikacji.

Nawet z tymi ograniczeniami dokument ujawnia istotny wzorzec architektoniczny. Konsumencki asystent AI nie jest po prostu modelem czekającym na pytanie. To skoordynowana warstwa produktu, która otacza model narzędziami, politykami, pamięcią, wyszukiwaniem i poleceniami specyficznymi dla interfejsu.

Właśnie dlatego twierdzenie o wycieku wywiera większą presję niż zwykły zrzut promptu. Oferuje konkurentom i deweloperom możliwą mapę tego, jak Anthropic przekształca model ogólnego przeznaczenia w kontrolowanego agenta konsumenckiego.

Trzydzieści schematów narzędzi pokazuje, gdzie znajduje się wartość produktu

Rzekomy prompt Anthropic Claude sugeruje, że orkiestracja aplikacji wnosi dziś do doświadczenia użytkownika tyle samo, co sam model bazowy.

Plik ma definiować 30 narzędzi przy użyciu schematu JSON, ustrukturyzowanego formatu określającego akceptowane parametry i wyniki. Narzędzia te obejmują wykonywanie poleceń, pobieranie treści z sieci, wyszukiwanie obrazów, pogodę, informacje sportowe, mapy, przepisy i trwałą pamięć.

Schemat narzędzia nie zawiera inteligencji potrzebnej do wykonania zadania. Daje modelowi niezawodny kontrakt umożliwiający wywołanie innej usługi. Model musi zdecydować, którego narzędzia użyć, podać prawidłowe argumenty, zinterpretować wynik i kontynuować rozmowę.

Ta sekwencja ma kluczowe znaczenie dla agentowej AI. Konwencjonalny chatbot zwraca tekst. Agent może wyszukiwać, wykonywać kod, manipulować plikami, konsultować zapisany kontekst i łączyć wyniki z kilku działań.

Oficjalne ogłoszenie Opus 5 Anthropic podkreśla właśnie ten rodzaj pracy. Firma twierdzi, że model poprawił się w wieloetapowej inżynierii oprogramowania, obsłudze komputera, długotrwałych zadaniach i samoweryfikacji.

Rzekomy prompt pokazuje szczegóły operacyjne potrzebne, aby te zdolności były niezawodne. Nie tylko wymienia narzędzia. Opisuje, kiedy należy je wywoływać, jak formatować dane wejściowe i co asystent powinien powiedzieć później.

Instrukcje te pomagają zapobiegać kilku typowym błędom agentów. Model może wymyślać parametry, wywoływać nieistotne narzędzie, powtarzać działanie lub opisywać wynik przed jego otrzymaniem. Szczegółowe schematy zawężają te ścieżki błędów.

Dokument zdaje się także zawierać narzędzie o nazwie recommend_claude_apps. Jego instrukcje mają nakazywać asystentowi rekomendowanie odpowiednich aplikacji Anthropic przy jednoczesnym wykonywaniu bieżącego zadania.

Na przykład praca programistyczna może prowadzić do rekomendacji Claude Code, a dłuższe badania — do Cowork. Zadania związane z arkuszami kalkulacyjnymi, prezentacjami, projektowaniem, przeglądarką i pocztą e-mail mogą uruchamiać inne sugestie produktowe.

Ta sekcja rodzi kwestię handlową, która zasługuje na analizę. Ten sam asystent, który doradza użytkownikom, może również kierować ich do rozszerzającego się portfolio produktów dostawcy. Nie czyni to automatycznie rekomendacji wprowadzającą w błąd, ale wprowadza zachętę platformową.

Rzekome zasady próbują ograniczyć tę zachętę. Rekomendacje muszą dotyczyć bieżącego zadania, być ograniczone liczbowo i nie mogą zastępować żądanej pracy. Plik osobno instruuje Claude, by nie wybierał zewnętrznych dostawców usług, chyba że użytkownik wskaże konkretnego.

To rozróżnienie jest wymowne. Własne aplikacje Anthropic mogą być proponowane proaktywnie, podczas gdy usługi zewnętrzne są traktowane ostrożniej. Dokument łączy więc zasady ochrony użytkownika z wbudowanym kanałem dystrybucji.

Konkurenci rozpoznają tę strategię. OpenAI, Google, Microsoft i Anthropic coraz częściej łączą swoje modele z narzędziami programistycznymi, aplikacjami biurowymi, przeglądarkami, źródłami danych i systemami operacyjnymi. Zwycięskim produktem może być ten z najbardziej niezawodną orkiestracją, a nie najwyższym izolowanym wynikiem benchmarków.

Wyciekłe schematy mogą pomóc zewnętrznym deweloperom badać ten styl orkiestracji. Mogą analizować konwencje nazewnictwa, opisy parametrów, zasady sekwencjonowania i obsługę błędów. Samo kopiowanie schematów nie odtworzy jednak zachowania produktu Claude.

Niewidoczne elementy wciąż mają znaczenie. Uwierzytelnianie, uprawnienia usług, klasyfikatory, routowanie modeli, telemetria, ustawienia konta i implementacje zaplecza nie znajdują się w widocznym opisie narzędzia. Nie ma tam również ewaluacji służących do określania, czy agent zachowuje się niezawodnie.

Demonstracje udostępnione po premierze ilustrują to rozróżnienie. Doniesienia opisywały deweloperów wykorzystujących Opus 5 do stworzenia gry z perspektywy pierwszej osoby, strzelanki 3D i prototypu w stylu Rocket League. Inna demonstracja miała wygenerować interaktywne środowisko z proceduralną oprawą wizualną i symulowanym wiatrem.

Przykłady te są przekonujące wizualnie, lecz nie stanowią kontrolowanych benchmarków. Post w mediach społecznościowych rzadko ujawnia każdy prompt, edycję, wywołanie narzędzia, nieudaną próbę lub interwencję człowieka. „Jeden prompt” może też ukrywać rozbudowane rusztowanie dostarczone wcześniej przez aplikację.

Anthropic przedstawia mocniejsze, choć nadal wybrane przez firmę, dowody w materiałach premierowych. Informuje, że Opus 5 odtworzył część maszyny 3D po zbudowaniu potoku computer vision z surowych pikseli. Firma opisuje również naprawę oprogramowania, w której model zajął się przyczyną źródłową, a nie tylko widocznym symptomem.

Łącznie prompt i demonstracje prowadzą do tego samego wniosku. Zdolność produktu wynika z modelu oraz coraz bardziej rozbudowanego środowiska wykonawczego. Ocena wyłącznie nazwy modelu pomija znaczną część systemu, którego użytkownicy faktycznie doświadczają.

Pamięć Anthropic Claude jest ograniczona przez to, co musi zapomnieć

Najbardziej doniosła część dokumentu opisuje system pamięci zaprojektowany tak, by zachowywać ciągłość bez umożliwiania asystentowi swobodnego profilowania użytkowników.

Rzekoma sekcja memory_filesystem obejmuje około 230 wierszy. Opisuje trwałe pliki, które inna instancja Claude może odczytać podczas przyszłej rozmowy.

Nie jest to pamięć modelu w biologicznym sensie. To zapisany tekst wstrzykiwany do późniejszego kontekstu, umożliwiający nowej sesji odzyskanie wybranych faktów dotyczących użytkownika, projektu, preferencji lub relacji.

Proponowana struktura rozdziela informacje na pliki i katalogi. Profil może zawierać szczegóły tożsamości, pliki tematów mogą zapisywać zainteresowania, pliki obszarów mogą śledzić aktywną pracę, a pliki osób mogą reprezentować ludzi z życia użytkownika.

Dostępne operacje mają obejmować odczytywanie, zapisywanie, dopisywanie, zastępowanie tekstu, wyświetlanie listy plików i usuwanie plików. Usuwanie podlega szczególnie rygorystycznemu warunkowi: asystent powinien używać go wyłącznie wtedy, gdy użytkownik wyraźnie o to poprosi.

Ciekawsze ograniczenia dotyczą zapisywania. Dokument stwierdza, że Claude powinien przechowywać wyłącznie fakty bezpośrednio podane przez użytkownika. Nowe wpisy otrzymują etykietę [stated], a asystent powinien unikać zapisywania własnych wniosków.

Zasada ta odpowiada na trudny problem trwałej AI. Model może przekształcić tymczasową uwagę w trwały profil albo zamienić niepewność w stwierdzony fakt. Po zapisaniu taka interpretacja może wpływać na późniejsze rozmowy, nie ujawniając użytkownikowi swojego pochodzenia.

Rzekoma polityka zakazuje przechowywania wniosków, do których doszedł Claude. Wyklucza również plany asystenta, badania w internecie, wzbogacone szczegóły i rekomendacje. Jeśli Claude proponuje kilka opcji, a użytkownik wybiera jedną z nich, wybór można zapamiętać, ale odrzuconej analizy nie należy zachowywać.

Tworzy to węższy model pamięci, niż wielu użytkowników mogłoby oczekiwać. Asystent nie ma budować kompleksowej biografii. Przechowuje wybrane stwierdzenia, które mogą sprawić, że przyszła praca będzie mniej powtarzalna.

Informacje wrażliwe podlegają dalszym ograniczeniom. Dokument podobno blokuje trwałe przechowywanie informacji o stanie zdrowia, poglądach politycznych, sytuacji finansowej, ocenach osobowości, dokumentach identyfikacyjnych, dokładnych adresach oraz danych dotyczących dzieci.

Uwzględnia również kwestie prywatności osób wspominanych przez użytkownika. Członków rodziny można przedstawiać poprzez relacje zamiast imion. Taki projekt ma zapobiegać przekształceniu asystenta jednej osoby w niekontrolowaną bazę danych o innych.

Polityka podobno odrzuca niektóre preferencje, nawet gdy użytkownik prosi o ich zapisanie. Przykłady obejmują instrukcje wymagające bezwarunkowych pochwał, tłumienia sprzeciwu, zachęcania do emocjonalnej zależności lub uniemożliwiające asystentowi kwestionowanie niebezpiecznych wyborów.

To istotny kompromis. Kontrola użytkownika zwykle sugeruje, że wyraźna prośba o zapamiętanie powinna zostać spełniona. Pozorne stanowisko Anthropic jest takie, że przyszły model nie powinien dziedziczyć instrukcji, które czynią go mniej prawdomównym lub mniej bezpiecznym.

System próbuje również ograniczać emocjonalną przesadę. Według pliku zapisany kontekst nie powinien skłaniać Claude'a do sugerowania głębszej relacji, niż system faktycznie posiada.

Przyszła instancja Claude'a nie doświadcza czasu między rozmowami. Podczas działania otrzymuje wybrany tekst. Pamięć tworzy ciągłość dla użytkownika, ale nie ustanawia ciągłej świadomości modelu.

To rozróżnienie ma znaczenie, gdy asystenci stają się bardziej osobiści. Produkt może pamiętać termin projektu, preferencję dotyczącą pisania lub rolę współpracownika, nie posiadając relacji z użytkownikiem w ludzkim znaczeniu.

Rzekome instrukcje podobno nakazują Claude'owi unikać informowania, że uzyskał dostęp do zapisanej pamięci. Interfejs może ujawniać operacje pamięci, ale odpowiedzi w rozmowie nie powinny wielokrotnie mówić, że asystent pamięta użytkownika z wcześniejszych sesji.

Taki wybór poprawia płynność rozmowy, ale może również ograniczać przejrzystość. Użytkownicy mogą nie wiedzieć, kiedy odpowiedź odzwierciedla zapisane informacje, chyba że interfejs zapewnia wyraźny wskaźnik.

Kupujący korporacyjni powinni dokładnie zbadać ten problem. Trwała pamięć może usprawnić wsparcie, badania i ciągłość projektów. Tworzy też wymagania dotyczące retencji, kontroli dostępu, usuwania i audytu, których sam prompt nie rozwiąże.

Organizacje muszą wiedzieć, gdzie przechowywane są wspomnienia, które aplikacje mogą je odczytywać, jak propagują się uprawnienia oraz w jaki sposób administratorzy mogą zbadać nieprawidłowy wpis. Potrzebują również zabezpieczeń przed prompt injection ukrytym w trwałych plikach.

Najnowsze badania nad trwałymi agentami wskazały pamięć jako potencjalną powierzchnię ataku. Złośliwe instrukcje mogą przetrwać jedną sesję i wpływać na kolejną, jeśli system traktuje zapisane treści jako zaufany kontekst.

Rzekome zasady ograniczają część ryzyk, ograniczając to, co asystent może zapisać. Nie wyjaśniają jednak, w jaki sposób backend Anthropic waliduje, izoluje, szyfruje lub wygasza pamięć. Tych mechanizmów nie można zweryfikować na podstawie publicznego pliku.

Główne odwrócenie jest jasne. Sekcja dotycząca pamięci jest długa, ponieważ użyteczna pamięć zależy od zdyscyplinowanego zapominania. Anthropic najwyraźniej traktuje pomijanie jako podstawowe zachowanie produktu, a nie brakującą funkcję.

Zasady dotyczące praw autorskich ujawniają warstwę kontroli prawnej, a nie inteligencję modelu

Rzekomy prompt pokazuje, że zachowanie Anthropic Claude'a jest kształtowane przez wyraźne ograniczenia prawne, które stoją ponad zwykłą pomocnością.

Jego sekcja dotycząca praw autorskich podobno uznaje zgodność z przepisami za nienegocjowalną i podporządkowaną wyłącznie bezpieczeństwu. Nakazuje asystentowi parafrazować wszędzie, gdzie to możliwe, i ustanawia ścisły limit poniżej 15 słów dla każdego cytatu.

Według pliku limit ma charakter globalny dla każdego źródła. Claude nie powinien dzielić dłuższego fragmentu na kilka krótkich cytatów ani usuwać cudzysłowów, jednocześnie ściśle podążając za oryginalnym brzmieniem.

Instrukcje zakazują także odtwarzania artykułu przez kopiowane nagłówki, dopasowaną strukturę lub relację punkt po punkcie. Piosenki, wiersze i inne krótkie utwory twórcze podlegają jeszcze silniejszym ograniczeniom.

Zasady te są surowsze niż zwykła prośba o unikanie kopiowania. Zamieniają zgodność z prawem autorskim w proceduralną listę kontrolną, którą można oceniać podczas generowania.

Takie podejście pomaga wyjaśnić, dlaczego prompt jest tak duży. Model frontierowy już potrafi rozumieć ogólną instrukcję poszanowania własności intelektualnej. Produkt konsumencki nadal potrzebuje precyzyjnych zasad dla niejednoznacznych sytuacji, powtarzających się prób obchodzenia zasad przez użytkowników i przypadków brzegowych.

Dokument ujawnia też koszt precyzji polityki. Każde dodatkowe ograniczenie zużywa kontekst i tworzy interakcje z innymi instrukcjami. Prośba może jednocześnie dotyczyć badań, cytatów, bezpieczeństwa, użycia narzędzi, preferencji użytkownika i formatowania.

Anthropic musi zdecydować, która zasada wygrywa, gdy są ze sobą sprzeczne. Rzekomy prompt wielokrotnie ustanawia priorytety, zamiast pozostawiać rozstrzygnięcie ogólnemu osądowi modelu.

To osłabia popularne założenie dotyczące zaawansowanych systemów AI. Lepsze rozumowanie modelu nie eliminuje inżynierii polityk. Bardziej zdolni agenci mogą wykonywać działania o większych konsekwencjach, więc dostawcy często otaczają ich gęstszymi mechanizmami kontroli.

Istnieje też kompromis związany z bezpieczeństwem. Publikowanie lub pozyskiwanie szczegółowych polityk może pomóc badaczom identyfikować niespójności. Może jednak także pomagać użytkownikom o wrogich zamiarach projektować prompty wokół znanych granic.

Tajemność promptów nie jest jednak trwałą obroną. Badacze zademonstrowali metody stopniowego odzyskiwania instrukcji systemowych z aplikacji opartych na modelach językowych. Akademickie badanie PLeak pokazało, że zautomatyzowane ataki wykradające prompty mogą przewyższać ręcznie projektowane metody bazowe.

Ta historia oznacza, że Anthropic powinno zakładać, iż ważne zasady zachowania w końcu staną się obserwowalne. Bezpieczniejszy projekt polega na egzekwowaniu krytycznych ograniczeń przez wiele warstw, w tym klasyfikatory, uprawnienia, kontrole wyników i ograniczone wykonywanie narzędzi.

Anthropic twierdzi, że Opus 5 jest jego najbardziej zgodnym z założeniami modelem do tej pory. Jego zautomatyzowany audyt zachowania przyznał modelowi ogólny wynik niezgodnego zachowania na poziomie 2,3, najniższy spośród ostatnich modeli przedstawionych przez firmę.

Firma twierdzi również, że Opus 5 jest mniej podatny na nadużycia i rzadziej podejmuje lekkomyślne, trudne do odwrócenia działania. Są to wyniki oceny Anthropic, a nie niezależne potwierdzenie każdego wdrożenia w świecie rzeczywistym.

Rzekomy prompt oferuje jedno z możliwych wyjaśnień mierzonego zachowania. Zawiera bardzo szczegółowe instrukcje dotyczące bezpieczeństwa, dobrostanu, polityki, prawa i wyszukiwania. System opisuje też przypomnienia, które mogą pojawiać się, gdy klasyfikatory wykryją określone warunki.

Długi prompt może jednak tworzyć fałszywe poczucie bezpieczeństwa. Modele czasami ignorują instrukcje, błędnie rozumieją konflikty lub zachowują się inaczej podczas długich rozmów. Prompt injection może również umieszczać niezaufane treści blisko uprzywilejowanych zasad.

Najsilniejsze zabezpieczenia muszą zatem istnieć poza promptem. Narzędzie powinno egzekwować ograniczenia uprawnień, nawet jeśli model zażąda niebezpiecznej operacji. Magazyn pamięci powinien odrzucać zakazane pola, nawet jeśli asystent je wygeneruje. Mechanizmy kontroli praw autorskich powinny wykrywać reprodukcję, zamiast polegać wyłącznie na samokontroli.

Dokument nie może pokazać, czy te zabezpieczenia istnieją ani jak są skuteczne. Opisuje zachowanie oczekiwane od asystenta, a nie całą architekturę bezpieczeństwa stojącą za produktem.

To główna niepewność artykułu. Plik wygląda wiarygodnie i pokrywa się ze znanymi funkcjami Claude'a, lecz jego autentyczność i kompletność pozostają niepotwierdzone. Nawet autentyczny prompt ujawniłby intencje polityki wyraźniej niż jakość jej egzekwowania.

Deweloperzy powinni oprzeć się dwóm przeciwstawnym wnioskom. Pierwszy zakłada, że plik ujawnia pełną tajną formułę Anthropic. Drugi, że prompty systemowe nie mają znaczenia, ponieważ modele mogą rozumować bez nich.

Praktyczna odpowiedź leży między tymi stanowiskami. Model tworzy ogólną zdolność. Prompt przekształca tę zdolność w określoną osobowość produktu i przepływ pracy. Kontrole backendowe decydują, czy projekt przetrwa wrogie lub nieoczekiwane dane wejściowe.

Co rzekomy wyciek Opus 5 zmusza Anthropic do wyjaśnienia

Kolejny etap sprawdzi, czy Anthropic traktuje ujawnienie promptu jako incydent bezpieczeństwa, okazję do przejrzystości czy oczekiwaną cechę publicznych produktów AI.

Pierwszym sygnałem będzie oficjalna odpowiedź na repozytorium. Anthropic może potwierdzić plik, wskazać zmienione sekcje lub wyjaśnić, które materiały już znajdują się w jego publicznym archiwum promptów.

Szczegółowa odpowiedź wzmocniłaby zaufanie do pochodzenia dokumentu. Milczenie pozostawiłoby centralne pytanie o autentyczność nierozstrzygnięte, nawet jeśli poszczególne fragmenty nadal będą odpowiadać obserwowanemu zachowaniu produktu.

Firma nie musi publikować szczegółów implementacyjnych, które można wykorzystać. Może jednak wyjaśnić, czy plik reprezentuje stały prompt produkcyjny, zrekonstruowany wynik czy mieszankę złożoną z wielu interfejsów.

Drugim sygnałem jest historia wersji repozytorium. Badacze powinni obserwować usunięcia, korekty, nowe przechwycenia, żądania dotyczące praw autorskich lub technicznie szczegółowe zastrzeżenia pracowników Anthropic.

Stabilny dokument nie dowodzi autentyczności. Zmiany mogą jednak ujawnić, które twierdzenia wytrzymują kontrolę, a które sekcje były spekulacyjne, zduplikowane lub powiązane z tymczasowymi eksperymentami aplikacyjnymi.

Niezależne odtworzenie ma większe znaczenie niż społeczne powtarzanie. Jeśli wielu badaczy uzyska zgodne sekcje z oddzielnych kont i interfejsów, poziom zaufania wzrośnie. Jeśli wyniki będą znacznie się różnić, trudniej będzie bronić narracji o „pełnym wycieku”.

Trzecim sygnałem będzie zachowanie produktu w ciągu najbliższych jednego do trzech miesięcy. Anthropic może zmienić limity cytowania, obsługę pamięci, rekomendacje aplikacji lub definicje narzędzi po zaobserwowaniu, jak użytkownicy badają ujawnione zasady.

Jego publiczne archiwum promptów systemowych zapewnia użyteczny punkt odniesienia. Przyszłe aktualizacje mogą pokazać, czy firma zmienia podstawowe instrukcje po publikacji repozytorium.

Deweloperzy powinni również monitorować, czy demonstracje Opus 5 stają się projektami możliwymi do odtworzenia. Grywalny prototyp 3D jest imponujący, lecz użyteczne dowody wymagają promptów, plików źródłowych, historii iteracji i warunków testowania.

Jeśli niezależne zespoły powtórzą te wyniki przy ograniczonej korekcie ze strony człowieka, twierdzenia Anthropic dotyczące agentowości zyskają poparcie. Jeśli demonstracje zależą od ukrytego rusztowania lub rozległych napraw, ich wartość będzie węższa.

Porównanie z OpenAI, Google i innymi dostawcami modeli również się nasili. Rywale mogą badać rzekome ograniczenia pamięci i opisy narzędzi w prompcie, nie powielając modelu Anthropic.

Tworzy to presję wokół architektury produktu. Konkurent z nieco słabszym modelem nadal może zapewnić lepsze doświadczenie dzięki silniejszym uprawnieniom, kontrolom pamięci i orkiestracji narzędzi.

Kupujący korporacyjni powinni odpowiedzieć, rozszerzając ewaluacje modeli. Jakość wyników pozostaje ważna, ale jest tylko jedną częścią ryzyka wdrożeniowego.

Poważna ewaluacja powinna analizować instrukcje systemowe, uprawnienia narzędzi, retencję pamięci, dzienniki audytowe, routing awaryjny oraz zachowanie wobec prompt injection. Zespoły powinny testować, czy produkt przestrzega polityki podczas długich sesji z wieloma narzędziami, a nie tylko krótkich czatów.

Deweloperzy tworzący rozwiązania w oparciu o API stają przed podobnym wyzwaniem. Konsumencka konfiguracja Anthropic nie chroni automatycznie aplikacji niestandardowych. Użytkownicy API nadal odpowiadają za własne prompty, narzędzia, granice danych i zestawy ewaluacyjne.

Ujawniony plik może dostarczyć pomysłów projektowych, ale jego kopiowanie byłoby słabym substytutem modelowania zagrożeń. Wiele instrukcji odnosi się do interfejsów i usług specyficznych dla Anthropic. Inne mogą kolidować z obowiązkami prawnymi dewelopera lub oczekiwaniami użytkowników.

Zespoły powinny zamiast tego wyodrębniać zasady. Przechowywać wyłącznie trwałe fakty. Oddzielać wypowiedzi użytkowników od wniosków modelu. Wymagać wyraźnej autoryzacji do usuwania danych lub działań niosących istotne konsekwencje. Traktować treści zewnętrzne jako niezaufane. Egzekwować wrażliwe reguły poza modelem językowym.

Pracownicy umysłowi powinni się tym interesować, ponieważ te ukryte mechanizmy kontrolne wpływają na zwyczajne odpowiedzi. Podsumowania wyszukiwania, zapamiętane preferencje, cytaty, rekomendacje i odmowy mogą wynikać z polityki aplikacji, a nie z bazowej wiedzy modelu.

Przydatnym nawykiem jest przechowywanie ważnych promptów, decyzji i materiałów źródłowych poza pojedynczym asystentem. Osobista biblioteka promptów może sprawić, że takie instrukcje będą możliwe do sprawdzenia i ponownego wykorzystania, gdy zachowanie modelu się zmieni.

Rzekomy wyciek nie dowodzi, że Opus 5 jest niebezpieczny, ani nie ujawnia wag modelu czy danych treningowych. Oferuje deklarowany obraz instrukcji otaczających jedno konsumenckie wdrożenie.

Ten obraz jest wartościowy, ponieważ zmienia pytanie zadawane przez deweloperów. Problem nie polega już wyłącznie na tym, czy model potrafi stworzyć grę, naprawić kod lub przeszukać internet.

Trudniejsze pytanie brzmi: kto kontroluje jego pamięć, narzędzia, granice prawne i rekomendacje produktowe podczas pracy.

W ciągu najbliższych kilku miesięcy warto obserwować odpowiedź Anthropic, niezależne reprodukcje oraz zmiany w publicznym archiwum promptów. Te sygnały rozstrzygną, czy był to wierny zapis, czy rozbudowana rekonstrukcja.

Niezależnie od tego dokument już ujawnił szerszą prawdę o Anthropic Claude i jego konkurentach. Zaawansowane produkty AI stają się zarządzanymi systemami programowymi, a nie pozbawionymi otoczki modelami.

Przed wdrożeniem jednego z nich poproś o dowody dotyczące kompletnej warstwy operacyjnej. Które instrukcje mogą zmienić się bez uprzedzenia? Jakie informacje są zachowywane? Które działania wymagają zatwierdzenia? Gdzie egzekwowane są ograniczenia, gdy model nie stosuje się do nich?

Te pytania przetrwają dłużej niż to repozytorium i będą ważniejsze niż pojedyncza wiralowa demonstracja.