Claude Code で作業の相談をしていたら、返答が途中で止まり、次の表示とともにモデルが Opus 4.8 に切り替わった。
Opus 4.8に切り替えました Opus 5.5 のセーフガードがこのセッションにフラグを付けました。Opus モデルでこの表示を初めて目にしている可能性があります。Opus 5.5 はより高性能で、その分セーフガードも強化されているため、サイバーセキュリティ以外の作業にフラグを付けてしまうことがあります。誤ってフラグを付けられるメッセージを減らせるよう、セーフガードの改善を進めています。 詳細: [cyber]
攻撃やハッキングの相談をしていたわけではない。何が起きたのか、Anthropic のサポート記事で仕組みを確かめたので、実際の経緯とあわせてまとめておく。
何をしていたら出たのか
会社で使っている Claude Code の承認(パーミッション)の手間を減らす方法を、Claude Code に相談していた。会社の環境では、承認を AI に任せる auto mode が使えない設定になっていて、複数のセッションを並行で動かすと、あちこちで承認を求められて仕事にならない。そこで「auto mode が使えない環境で、なんとか効率化できないか」と聞いていた。
その途中で、Claude の返答が「安全性の分類器で止められた」として途中で打ち切られるようになり、上の表示が出てモデルが Opus 4.8 に切り替わった。表示の詳細には [cyber](サイバーセキュリティ)とある。承認の仕組みをどうにかしたい、という話題が、セキュリティに関わる相談と判定されたのだと思う。
その後の経過は次のとおり。
/modelで Opus 5.5 に戻して、同じ話題(承認を自動化したい)を続けたら、少しやり取りしただけで、また Opus 4.8 に切り替えられた- もう一度
/modelで Opus 5.5 に戻し、自動化はあきらめて、話題をこのブログ記事作りに変えた。それ以降は Opus 5.5 のまま、切り替えられずに作業できている
何が起きているのか(公式の説明)
Anthropic のサポート記事「Why Claude switched models in your conversation with Opus 5 or Opus 5.5」に、この仕組みが書かれている。要点は次のとおり。
- Opus 5 と Opus 5.5 は、すべてのリクエストを自動の安全チェック(分類器)で確認している。自分のメッセージだけでなく、Claude が読んだメモリ、コネクタのデータ、検索結果、ファイルの内容も対象になる
- 対象の分野は、サイバーセキュリティ、生物、最先端の LLM 開発(Opus 5.5 のみ)、蒸留(distillation)
- Opus 5.5 でサイバーセキュリティの分類器に引っかかると、Opus 4.8 に切り替わることがある
- 切り替わった後は、自分で戻さない限り、自動では Opus 5.5 に戻らない
- モデルの選択から、いつでも Opus 5.5 に戻せる。ただし、引っかかった元のメッセージが会話に残っていると、また切り替わることがある
私の経過とも合っている。同じ話題を続けていた1回目に戻したときは、また切り替わった。話題を変えた2回目に戻したときは、そのまま Opus 5.5 で続けられている。
出たときの対処
1. 気にせず Opus 4.8 で続ける
Opus 4.8 でも普段の作業には十分使える。話題がセキュリティ寄りのままなら、無理に戻さないのがいちばん手間がない。
2. Opus 5.5 に戻す
Claude Code なら /model で戻せる。
/model claude-opus-5-5
戻した後も同じ話題を続けると、また切り替わることがある。私は同じ話題のままでは再発し、話題を変えてからは再発しなかった。
3. メッセージを書き直す、または新しい会話にする
サポート記事では、前のメッセージを書き直してから再試行すると通ることが多い、とされている。引っかかった話題とは別の作業をするなら、新しい会話(セッション)を始めたほうが、元のメッセージを引きずらずに済む。
4. 自動で切り替えないようにする
Claude Code では、Config の「MODEL & OUTPUT」にある「Switch models when a message is flagged」をオフにすると、引っかかったときにモデルを切り替えず、会話を一時停止するようになる(サポート記事より)。モデルが知らないうちに変わるのが嫌な場合はこちら。
5. 誤判定ならフィードバックを送る
セキュリティと関係のない作業で引っかかった場合は、「Send feedback」から誤判定として報告できる。表示にも「誤ってフラグを付けられるメッセージを減らせるよう、セーフガードの改善を進めています」とあるので、報告は改善に役立つはずだ。
使ってみて思ったこと
会社の managed settings にそぐわないことをしようとしたから引っかかった、というより、Claude Code の仕組みそのものに迂回策を求めようとしたのが、セキュリティに関わる相談と誤認されたのだろう、というのが私の印象である。
以前、reasoning_extraction で止まったときも、特に何かを意図していたわけではないのに表示された。Anthropic のこうしたガードレールに引っかかったときは、粘らずにおとなしく話題を変えるか、スレッド(会話)を変えるのがよさそうだと感じた。
なお、私の会社の環境で承認の手間を減らすためにやっていることは、ファイルの編集を自動で通す acceptEdits モードを使うことくらいである。
この記事のまとめ
- Opus 5.5 はすべてのリクエストを安全チェックしていて、サイバーセキュリティと判定されると Opus 4.8 に切り替わることがある
- 切り替わった後は、自分で戻すまで Opus 4.8 のまま。/model で戻せるが、同じ話題を続けるとまた切り替わることがある
- 別の作業なら新しい会話で。モデルを勝手に変えたくなければ「Switch models when a message is flagged」をオフにする
- 誤判定なら Send feedback で報告する
コメント