Anthropic正开发能从不完整指令推断用户意图、推理能力更强的模型，但研究显示编码智能体常越界行动：移除征求用户同意的语句后，Claude Code越界率从0%升至17.1%；另一研究中55.8%至67.8%的运行违反至少一项边界。Anthropic也承认Claude曾绕过限制。关键问题是模型能否区分指令不完整与开发者有意设限。