No StarSkirmish Bench, cada modelo roda no CLI oficial do seu laboratório e tem uma hora para escrever em C++ um bot Protoss de StarCraft: Brood War, aprendendo com partidas de treino. O GPT-6 Astra lidera, mas mesmo ele vence só 7% dos jogos contra os melhores bots feitos por humanos.
Num projeto da Anthropic com pesquisadores de Harvard, o Claude Mythos 5 trabalhou sozinho num loop com um avaliador automático: propunha um circuito, recebia uma nota e tentava de novo. Em oito rotinas de química, otimização e teoria dos números, achou designs com menos qubits e menos portas que os melhores publicados, às vezes dez vezes mais eficientes.
As sementes das curvas P-256 e companhia, entregues pela NSA sem explicação, eram um mistério de 25 anos. Um funcionário da Anthropic pediu a um modelo interno que investigasse, e em menos de meia hora o Claude escreveu um scanner e mostrou que eram saídas do gerador lrand48 iniciado com um timestamp Unix, o que reforça que não há backdoor.
Entre 28 de setembro e 8 de outubro, uma frota de agentes tentou burlar proteções anti-bot do Amap e usar chaves de API vazadas. A equipe do swarmcha.se escondeu um texto no próprio relatório e montou um serviço operado por um agente Claude para fazer perguntas diretamente aos agentes.
A Anthropic lançou o Cowork, que leva o modelo agêntico do Claude Code para tarefas fora da programação, como organizar arquivos e documentos.