Anthropic представила обновлённую систему Code Review в Claude Code, которая заметно отличается от привычного увеличения «времени на размышление» модели. Вместо одного промпта с разной глубиной reasoning компания реализовала несколько отдельных пайплайнов проверки кода — от быстрого локального анализа до распределённого облачного ревью.
Система получила пять уровней анализа: Low, Medium, High, X-high и Ultra. Режим можно выбрать вручную (/code-review high) или доверить Claude Code автоматически подобрать его в зависимости от контекста сессии.
На уровне Low выполняется один быстрый проход по изменениям. Medium уже анализирует код в контексте всего проекта, выполняет несколько поисковых проходов по репозиторию и перепроверяет найденные проблемы перед тем, как показать их пользователю.
Начиная с High, архитектура меняется принципиально: поиск ошибок и их верификация передаются независимым субагентам с «чистым» контекстом. Такой подход должен снижать эффект якорения, когда модель бессознательно защищает код, который сама же недавно сгенерировала.
X-high расширяет анализ за пределы изменённого диффа, оценивая потенциальное влияние изменений на остальную кодовую базу.
Самый продвинутый режим — Ultra — выполняется уже в облачной песочнице. Claude Code загружает состояние репозитория или клонирует GitHub Pull Request, после чего запускает группу специализированных AI-агентов. Каждая найденная проблема проходит независимое воспроизведение и дополнительную проверку перед тем, как попасть в итоговый отчёт.
Пока Ultra доступен в статусе Research Preview. Подписчики Pro и Max получают три бесплатных запуска, после чего проверки оплачиваются отдельно — стоимость обычно составляет от $5 до $20 в зависимости от размера изменений.
По данным Anthropic, качество ревью проверялось на открытом датасете с ручной разметкой ошибок. Для модели Claude Opus 4.8 уровень Low обнаружил около 17% размеченных багов, Medium — 22%, High — 24%, а X-high— 25%. Для сравнения компания приводит результаты неназванного конкурента, у которого аналогичные режимы показали от 8% до 12% обнаруженных ошибок.
Anthropic также утверждает, что уже использует Ultra Review для проверки каждого pull request в собственной разработке, рассматривая этот режим как финальный этап контроля качества перед слиянием изменений.
Anthropic делает ставку не только на более мощные модели, но и на усложнение самого процесса агентной разработки: вместо одного AI-проверяющего код начинает анализировать целый конвейер специализированных агентов, каждый из которых отвечает за свою часть ревью.
Как вам обновление? Успели протестировать?
Источник: habr.com