Le bug coûteux du mot-clé d'Anthropic

Un développeur utilisant les services d'IA d'Anthropic a récemment rencontré une anomalie financière déroutante, signalant sur Reddit un épuisement soudain et inattendu de son plan de 200 $. Malgré ce qui semblait être une utilisation conservatrice, son compte a été enregistré comme complètement dépourvu de crédit disponible, déclenchant une alarme immédiate. Cet épuisement rapide et inexpliqué des fonds contredisait directement les attentes opérationnelles du développeur pour son niveau d'abonnement.

L'ampleur réelle du problème est devenue évidente lors de l'examen du tableau de bord Anthropic. Il présentait un chiffre étonnamment bas, indiquant seulement 13 % d'utilisation hebdomadaire, une statistique profondément en contradiction avec un plafond financier entièrement épuisé. Ce contraste frappant, presque absurde, entre les métriques de consommation rapportées par la plateforme et la charge réelle et massive a mis en évidence une faille potentielle significative dans l'infrastructure de facturation et la transparence d'Anthropic.

Cette divergence flagrante et massive a immédiatement poussé le développeur à mener une enquête détaillée, dirigée par l'utilisateur, sur les mécanismes opaques d'attribution des coûts d'Anthropic. Perplexes et financièrement impactés par la surfacturation non reconnue, ils ont méticuleusement commencé à tester divers prompts d'IA, contextes d'entrée et modèles d'interaction au sein de leur codebase. L'objectif unique et urgent : identifier précisément les actions spécifiques, peut-être cachées, ou les entrées apparemment inoffensives qui pourraient expliquer un tel pic de consommation extrême et inattendu, transformant ainsi le développeur en analyste médico-légal improvisé de ses propres appels API.

Le mystère central s'est intensifié : comment les systèmes de facturation sophistiqués d'Anthropic pouvaient-ils signaler une activité si minime — seulement 13 % d'utilisation hebdomadaire — tout en vidant simultanément un plan de 200 $ entier en quelques jours ? Les développeurs dépendent de manière critique des relevés précis du tableau de bord pour des projections de coûts fiables et une surveillance vigilante de l'utilisation, faisant de cette profonde discrépance de facturation une rupture de confiance significative. Le rapport initial sur Reddit a rapidement suscité une large inquiétude, soulignant un problème potentiellement systémique pour la communauté de développeurs d'Anthropic et soulevant des questions sur la transparence de ses frais de service d'IA.

Le plan de 200 $ du développeur s'est épuisé de manière inattendue, malgré le tableau de bord affichant 13 % d'utilisation hebdomadaire, ce qui a déclenché une enquête méticuleuse. Le Redditor s'est lancé dans un processus d'élimination minutieux, testant systématiquement de nombreux prompts, extraits de code et entrées contextuelles. Ils ont fait varier les longueurs de prompt, inclus différents types de fichiers et expérimenté diverses structures conversationnelles, enregistrant méticuleusement chaque interaction et son implication en termes de coût. Ce n'était pas une vérification occasionnelle ; c'était un effort de débogage dédié pour découvrir la fuite invisible de leurs ressources.

Leur persévérance a révélé un coupable vraiment bizarre. L'anomalie de facturation se manifestait systématiquement lorsque les prompts incluaient une chaîne de caractères spécifique, apparemment inoffensive : 'Hermes.md'. Sa présence n'importe où dans le contexte du prompt, quels que soient les autres facteurs, entraînait immédiatement le système d'Anthropic à accumuler des frais supplémentaires, non enregistrés. Cette chaîne de caractères particulière agissait comme un interrupteur caché, faisant basculer le mécanisme de facturation dans un mode inattendu et coûteux, complètement détaché des métriques d'utilisation rapportées.

De manière cruciale, 'Hermes.md' n'avait pas besoin de représenter un fichier réel et existant dans le dépôt ou le projet du développeur. La simple existence textuelle de la chaîne, peut-être intégrée dans un commentaire, une chaîne de documentation, ou même un Git commit message, était suffisante pour déclencher le dépassement. Ce déclencheur arbitraire défiait la logique de facturation conventionnelle, où les frais sont généralement corrélés à la complexité du traitement ou à la consommation de ressources. Le système semblait prélever une prime pour une séquence spécifique de caractères, et non pour une tâche ou un objet de données identifiable.

Cette révélation a redéfini de manière spectaculaire le problème. Elle a transcendé un simple calcul erroné de facturation ; exposant plutôt une faille profonde, basée sur le contenu, dans l'infrastructure de facturation d'Anthropic. Anthropic's AI ne se contentait pas de mal compter les tokens ou les cycles de calcul ; elle réagissait de manière démontrable à des motifs textuels spécifiques, imposant des surtaxes arbitraires pour des chaînes de caractères apparemment inoffensives. Le problème est passé d'une divergence numérique à une question profonde sur la manière dont les modèles d'IA interprètent et monétisent les entrées des utilisateurs. Cela a mis en évidence un manque alarmant de transparence dans leurs structures de coûts, suggérant un système qui pourrait pénaliser les utilisateurs pour des facteurs entièrement hors de leur contrôle ou de leur compréhension. Le bug a transformé un inconvénient financier en un défi majeur pour la confiance et la prévisibilité dans la consommation de services d'IA.

Les enquêteurs ont identifié le coupable : la chaîne Hermes.md. Cette séquence apparemment inoffensive, lorsqu'elle était présente n'importe où dans le contexte de l'invite — même intégrée dans un Git commit message ou un simple commentaire — acheminait silencieusement l'utilisation vers un niveau de facturation supérieur. De manière cruciale, les frais n'étaient déclenchés que si "Hermes.md" apparaissait en majuscules précises, ajoutant une autre couche de spécificité bizarre et d'imprévisibilité au bug. Le fichier lui-même n'avait même pas besoin d'exister ; sa simple présence textuelle suffisait à déclencher des coûts inattendus.

Maintenant, Anthropic a reconnu un "bug dans cette harness detection tierce", offrant rapidement un remboursement au développeur affecté. Cette admission confirme l'existence d'un système sous-jacent conçu pour identifier et potentiellement facturer davantage pour des types d'entrées spécifiques ou des "third-party harnesses". La réponse de l'entreprise implique que, bien que le mécanisme de *détection* pour cette chaîne spécifique ait été défectueux, la politique plus large de tarification différentielle pour certains contenus d'invite reste une fonctionnalité prévue de leur architecture de facturation. Cette distinction est essentielle pour comprendre les implications plus profondes.

Le choix de 'Hermes' reste spéculatif, mais il pointe probablement vers un nom de projet interne, un banc d'essai spécifique (test harness), ou un outil propriétaire que les systèmes d'Anthropic sont programmés pour signaler. Les développeurs se sont retrouvés confrontés à des conséquences financières importantes à cause d'une chaîne obscure, sensible à la casse, complètement détachée de tout fichier réel ou exigence fonctionnelle. Cela met en évidence un manque profond de transparence et de prévisibilité dans la manière dont les modèles d'IA consomment les ressources, obligeant les utilisateurs à un coûteux travail de détective pour comprendre leurs factures.

Ce scénario bizarre, où une chaîne de caractères aléatoire en majuscules dictait la facturation, souligne la position précaire des développeurs face aux services d'IA complexes. L'enquête méticuleuse de l'utilisateur de Reddit, transformant une anomalie de 200 $ en un problème largement rapporté, a révélé une faille critique qui pourrait gonfler silencieusement les coûts pour quiconque utilisant les modèles Claude Code d'Anthropic, malgré un tableau de bord n'indiquant que 13 % d'utilisation hebdomadaire. Pour plus de détails sur cette anomalie de facturation particulière, y compris le compte rendu détaillé du développeur, consultez le post original sur Reddit : PSA: The string "HERMES.md" in your git commit history silently routes Claude Code billing to extra usage — cost me $200 : r/generativeAI. De telles charges inattendues et opaques érodent la confiance et exigent une communication plus claire de la part des fournisseurs d'IA concernant leur logique de facturation complexe et la manière dont des entrées spécifiques affectent la consommation des ressources.

Anthropic a agi rapidement pour résoudre l'anomalie de facturation inattendue, en contactant directement l'utilisateur de Reddit qui avait initialement exposé le problème. Les représentants de l'entreprise ont officiellement reconnu le bug critique, validant les découvertes méticuleuses du développeur concernant le dépassement de 200 $. Cette réponse rapide visait à apaiser les inquiétudes immédiates des utilisateurs et à démontrer la responsabilité.

La déclaration officielle de l'entreprise a identifié « un bug dans cette détection de harnais tiers » comme la cause profonde. Ce libellé spécifique était crucial : il clarifiait que le problème ne résidait pas dans une politique visant à potentiellement facturer PLUS pour certains contenus, mais plutôt dans une faille du *mécanisme* conçu pour identifier de tels « harnais ». L'explication impliquait fortement l'existence d'un système sous-jacent pour différencier les tarifs de facturation basés sur des caractéristiques spécifiques des invites, telles que la présence de certains mots-clés, le bug n'affectant que sa précision. Cette distinction nuancée a immédiatement soulevé des questions sur la philosophie de tarification plus large d'Anthropic.

Le remède immédiat d'Anthropic comprenait un remboursement intégral pour le développeur affecté, compensant les frais inattendus qui avaient poussé son forfait maximal de 200 $ au-delà de sa limite. Au-delà de la restitution financière, l'entreprise s'est engagée à mener une enquête approfondie et a promis de mettre en œuvre une solution robuste pour le système de détection défectueux. Cet engagement visait à rétablir la confiance et à assurer la transparence future de la facturation pour tous les utilisateurs.

La réaction de la communauté, en particulier des commentateurs technologiques comme Better Stack, a accueilli l'explication d'Anthropic avec un mélange de soulagement et de scepticisme persistant. Si les utilisateurs ont apprécié le remboursement rapide et la reconnaissance, l'accent mis sur un bug de « détection » a laissé une question cruciale sans réponse : pourquoi des invites contenant des chaînes comme « Hermes.md », même au sein d'un message de commit Git, déclencheraient-elles intrinsèquement des coûts plus élevés en premier lieu ? Les critiques ont fait valoir que la réponse de l'entreprise éludait la question plus large de la facturation opaque pour des contenus spécifiques, suggérant que la politique sous-jacente de facturation PLUS pour certains « harnais » restait non abordée et potentiellement problématique. La communauté a demandé une plus grande clarté sur ce qui constitue un « harnais tiers » et ses implications tarifaires associées, allant au-delà de la correction immédiate du bug et exigeant plus de transparence pour toutes les actualités de l'IA et des développeurs.

La reconnaissance rapide par Anthropic d'un « bug dans cette détection de harnais tiers » a offert un remboursement mais a révélé un problème plus complexe. Il ne s'agissait pas simplement d'une faille qui générait incorrectement une charge ; c'était une faille dans un système explicitement conçu pour identifier et facturer davantage pour des types spécifiques d'invites d'IA. Le véritable « bug » ne résidait pas dans l'existence d'une tarification différentielle, mais dans son application erronée.

À la base de la facturation d'Anthropic se trouve un mécanisme pour détecter ce que l'entreprise appelle des « harnesses ». Il s'agit vraisemblablement de structures d'invite spécifiques ou de modèles de contenu qu'Anthropic juge plus gourmands en ressources, stratégiquement sensibles ou précieux, justifiant ainsi un coût plus élevé. L'incident suggère qu'Anthropic maintient un système de classification interne pour les interactions des utilisateurs.

Le dépassement d'un utilisateur de Reddit provenait de la chaîne de caractères « Hermes.md » apparaissant dans un message de commit Git au sein de leur contexte d'invite, et non d'un fichier réel. Cette chaîne inoffensive, détectée par le système d'Anthropic, a été signalée par erreur comme un « third-party harness », déclenchant des frais premium inattendus. Le système n'a pas réussi à distinguer avec précision l'utilisation coûteuse intentionnelle d'un texte anodin.

L'incident met en lumière la stratégie plus large d'Anthropic pour gérer et potentiellement monétiser la manière dont les utilisateurs interagissent avec ses AI models. La présence même d'un système de « harness detection » indique une politique de catégorisation et de tarification différenciée de certains types d'invites. Cette approche va au-delà des simples décomptes de tokens, introduisant une couche de complexité dans la facturation.

Cela soulève d'importantes questions sur la transparence de l'AI pricing. Les utilisateurs devraient-ils faire face à des frais plus élevés en fonction du *contenu* ou de la *structure* spécifique de leurs invites, au-delà de l'utilisation standard des tokens ? L'incident d'Anthropic force les développeurs à considérer non seulement la longueur de leur entrée, mais aussi les coûts cachés potentiels de certains keywords ou patterns.

Le « harness » de l'AI fait référence à un evaluation framework sophistiqué ou à une testing suite, essentiellement un wrapper automatisé autour d'un LLM. Les développeurs et les chercheurs déploient ces systèmes programmatiques pour évaluer les Large Language Models, comparer les métriques de performance entre différents systèmes d'AI et tester rigoureusement leurs capacités. De tels frameworks impliquent souvent la génération de grands volumes de requêtes structurées et l'analyse systématique des réponses du modèle, automatisant des interactions qui seraient impraticables manuellement.

Des entreprises comme Anthropic ont de fortes motivations pour identifier et potentiellement imposer des frais supplémentaires pour ce type d'utilisation spécifique. Les harnesses consomment des computational resources substantielles via des API calls répétées et à haute fréquence, ce qui peut solliciter l'infrastructure. De plus, les AI providers pourraient considérer le benchmarking étendu par des tiers comme une forme de competitive intelligence gathering, où des entités externes extraient des informations précieuses sur les forces, les biais et les limitations de leurs proprietary models sans compensation directe pour cette valeur analytique.

La tarification différentielle ou les restrictions pures et simples pour les harnesses créent des obstacles importants pour l'open-source community et les independent researchers. Ces groupes dépendent fortement de tels frameworks pour évaluer les modèles de manière transparente, valider les affirmations de recherche et favoriser l'innovation par l'analyse comparative. Imposer des coûts plus élevés ou limiter l'accès entrave directement l'avancement collaboratif de l'AI, limitant un examen complet et l'accès pour ceux qui n'ont pas de financement substantiel ou d'accords commerciaux. Cette politique risque de centraliser l'AI evaluation.

L'aveu d'Anthropic d'un « bug dans cette détection de harnais tiers » confirme une intention sous-jacente de différencier la tarification de ces outils automatisés, plutôt qu'un simple surcoût. Ce n'est pas leur première initiative pour contrôler la manière dont les frameworks externes interagissent avec leurs modèles. Des actions précédentes, telles que le « OpenClaw Ban », démontrent un schéma clair de restriction ou de dissuasion de l'accès automatisé. Pour plus de contexte sur ces politiques et la position d'Anthropic, explorez What Is the Anthropic OpenClaw Ban? How Third-Party Harnesses Were Blocked From Claude Subscriptions | MindStudio. Ce contexte historique suggère que le récent incident « Hermes.md » découle d'une implémentation imparfaite d'une politique préexistante et délibérée, conçue pour gérer ou monétiser des types spécifiques d'interaction avec le modèle.

L'incident « Hermes.md » d'Anthropic dépasse largement le simple problème technique d'une seule entreprise, révélant une vulnérabilité critique à l'échelle de toute l'industrie de l'IA : la transparence de la facturation. Alors que les entreprises intègrent de plus en plus des modèles d'IA sophistiqués dans leurs processus de travail essentiels, elles exigent des structures de coûts prévisibles et compréhensibles. Le paysage actuel ne parvient souvent pas à offrir cette assurance fondamentale, créant un environnement d'incertitude qui entrave activement une adoption plus large par les entreprises.

Les entreprises ne peuvent pas établir de modèles financiers robustes lorsque les coûts des services d'IA fluctuent en fonction de déclencheurs non documentés et dépendants du contenu. Le rapport initial de Reddit détaillait un développeur ayant inopinément épuisé un plan d'utilisation de 200 $, malgré que son tableau de bord affichait 13 % d'utilisation hebdomadaire, tout cela parce qu'une chaîne de caractères spécifique, « Hermes.md », dans un message de commit Git, a déclenché des frais cachés et premium. Ce mécanisme de facturation opaque, initialement attribué par Anthropic à un « bug dans cette détection de harnais tiers », met en évidence un déficit de confiance fondamental qui imprègne le secteur.

De tels frais basés sur le contenu, surtout lorsqu'ils manquent de documentation explicite ou apparaissent arbitrairement, érodent gravement la confiance des utilisateurs. Imaginez un fournisseur de cloud facturant un supplément pour des mots-clés spécifiques dans une entrée de base de données ou certains types de fichiers téléchargés vers le stockage. Ce scénario est impensable dans le cloud computing établi, où la tarification des instances de calcul, du stockage de données et de la sortie réseau est méticuleusement documentée et explicitement définie. Les utilisateurs comprennent le coût par gigaoctet de données stockées ou par heure CPU consommée ; ils n'anticipent pas de surtaxes pour des chaînes de caractères apparemment inoffensives.

Cette différence fondamentale crée une hésitation significative quant à l'adoption de l'IA. Les entreprises ont besoin de politiques de tarification claires et sans ambiguïté pour prévoir avec précision leurs dépenses opérationnelles et éviter des pénalités financières inattendues. La situation d'Anthropic, où la *détection* de ce qui devait être facturé était défectueuse plutôt que la facturation elle-même, souligne le besoin pressant de l'industrie pour un changement de paradigme. Les fournisseurs d'IA doivent prioriser des règles de tarification explicites et une documentation complète, garantissant que les utilisateurs comprennent pleinement les implications financières de chaque interaction. Sans ce fondement de confiance, l'intégration généralisée de l'IA dans tous les secteurs fait face à une lutte difficile.

L'anomalie de facturation récente d'Anthropic, où une chaîne de caractères spécifique comme « Hermes.md » a déclenché des frais inattendus, établit un précédent profondément troublant. Cela va au-delà du simple comptage de jetons, suggérant qu'un service d'IA interprète et monétise activement le *contenu* des invites des utilisateurs. Les utilisateurs sont désormais confrontés à la perspective que leur partenaire IA ne se contente pas de traiter les requêtes, mais évalue également leur valeur intrinsèque basée sur des mots-clés intégrés.

Les préoccupations en matière de confidentialité surgissent immédiatement. Si les systèmes d'Anthropic recherchent « Hermes.md » pour identifier un « third-party harness », quels autres mots-clés ou modèles de données surveillent-ils activement dans les invites des utilisateurs ? Cet incident soulève des questions légitimes sur l'étendue de l'analyse de contenu et si un tel examen s'étend au profilage de l'intention de l'utilisateur ou des données sensibles, allant au-delà de la gestion des ressources pour potentiellement collecter des données.

Les entreprises analysent régulièrement les invites pour détecter les vulnérabilités de sécurité, les abus ou pour optimiser l'allocation des ressources. C'est une nécessité opérationnelle reconnue dans le paysage de l'AI. Cependant, facturer différemment en fonction de la simple présence d'une chaîne de caractères spécifique et non fonctionnelle brouille la ligne cruciale entre la sécurité nécessaire et la surveillance intrusive, altérant fondamentalement la relation utilisateur-fournisseur.

Le spectre de futures charges « premium » plane. Si une chaîne dans un Git commit message peut entraîner des coûts plus élevés, imaginez des services d'AI mettant en œuvre une tarification échelonnée basée sur : - Des sujets spécifiques, comme des requêtes financières ou médicales sensibles. - Des types de code propriétaires, avec des tarifs plus élevés pour les frameworks complexes. - Des structures de requête avancées, peut-être des conversations multi-tours sophistiquées. Cela ouvre une voie à la monétisation basée sur le contenu, auparavant imprévue dans l'AI à usage général.

L'érosion de la confiance des utilisateurs devient une conséquence inévitable sans transparence explicite. Les développeurs, comme celui sur Reddit qui a découvert le dépassement de 200 $ malgré un affichage de 13% d'utilisation hebdomadaire, s'attendent à une facturation prévisible basée sur la consommation des ressources. Les surcharges cachées, basées sur le contenu, sapent fondamentalement cette attente, exigeant une réévaluation complète des pratiques de facturation AI dans l'ensemble de l'industrie.

Naviguer dans la facturation des API d'AI exige une vigilance proactive de la part des développeurs et des entreprises. Le récent incident d'Anthropic, où « Hermes.md » dans un Git commit message a déclenché des dépassements inattendus, souligne le besoin critique de stratégies robustes de gestion des coûts. Les développeurs ne peuvent pas se fier uniquement aux résumés de tableau de bord, comme l'utilisation trompeuse « showing 13% » qui a initialement caché un dépassement de 200 $.

Mettez en œuvre des limites de dépenses strictes directement via la console de votre fournisseur d'AI. La plupart des plateformes, y compris Anthropic, offrent des contrôles granulaires pour plafonner les dépenses mensuelles ou quotidiennes, évitant ainsi les coûts incontrôlés. Associez ces limites à des alertes de facturation agressives, en configurant des notifications à plusieurs seuils — par exemple, à 50 %, 75 % et 90 % de votre budget.

Auditez régulièrement les journaux d'utilisation détaillés, et pas seulement les tableaux de bord récapitulatifs. Le travail de détective méthodique de l'utilisateur de Reddit, traçant l'anomalie à une chaîne d'invite spécifique, illustre cette nécessité. Examinez les journaux pour détecter des nombres de tokens inattendus, des modèles d'appels API inhabituels ou des pics de coûts soudains ne correspondant pas à l'utilisation prévue. Cet examen proactif identifie les écarts avant qu'ils n'affectent votre résultat net.

Utilisez des environnements sandbox ou des clés API distinctes pour tester de nouvelles invites, des modèles expérimentaux ou des tâches à volume élevé. L'isolement de ces activités garantit que tout comportement de facturation inattendu reste confiné à un segment spécifique et facilement surveillé de votre utilisation. Cette pratique simplifie l'attribution des coûts et permet la révocation immédiate de la clé en cas de problème.

Comprendre les facteurs nuancés influençant les coûts de l'AI est primordial. À mesure que les modèles d'AI évoluent, leurs mécanismes internes et leurs structures de prix aussi. Pour plus d'informations sur la façon dont les fournisseurs d'AI gèrent ces complexités, y compris les changements apportés aux « harnesses » internes et aux instructions d'utilisation qui ont un impact sur les performances et les coûts, consultez des ressources comme Mystery solved: Anthropic reveals changes to Claude's harnesses and operating instructions likely caused degradation | VentureBeat.

En fin de compte, la confiance dans la facturation de l'AI reste ténue. Les développeurs doivent assumer la responsabilité de surveiller chaque octet et chaque token. Établissez des protocoles internes clairs pour la gestion des clés API, la conception des prompts et l'analyse continue des coûts. Ces mesures protègent collectivement votre portefeuille de la nature imprévisible des frais de service d'AI.

Les futurs modèles de facturation de l'AI exigent un changement fondamental vers une transparence radicale et une prévisibilité pour l'utilisateur. Les développeurs ont besoin d'une documentation claire et sans ambiguïté détaillant chaque facteur influençant les coûts, allant au-delà des simples décomptes de tokens. Les frais cachés, déclenchés par un contenu de prompt spécifique ou des mécanismes de détection internes comme la détection défectueuse du « Hermes.md » harness d'Anthropic, érodent la confiance et entravent l'innovation.

Des normes industrielles doivent émerger, obligeant les fournisseurs à communiquer toutes les nuances de prix dès le départ. Cela inclut des rapports d'utilisation granulaires qui reflètent précisément la consommation, évitant les scénarios où un forfait maximum de 200 $ est dépassé malgré des tableaux de bord n'indiquant que 13 % d'utilisation hebdomadaire. Une telle clarté garantit que les utilisateurs comprennent leurs engagements financiers avant le déploiement.

Une tension existe entre la tarification simple basée sur les tokens et des modèles basés sur la valeur plus complexes. Bien que les décomptes de tokens offrent de la simplicité, ils peuvent ne pas capturer pleinement l'intensité des ressources des fonctionnalités d'AI spécialisées ou des « third-party harnesses ». Si les fournisseurs optent pour une tarification différentielle basée sur le contenu ou la valeur perçue, ils doivent l'implémenter avec une transparence à toute épreuve, en définissant clairement ce qui déclenche des tarifs plus élevés et pourquoi.

En fin de compte, prévenir de futurs incidents du « Anthropic's Costly Keyword Bug » exige un double engagement. Les fournisseurs d'AI doivent prioriser la confiance des utilisateurs, en fournissant des explications de facturation complètes et des pistes d'audit. Parallèlement, les utilisateurs doivent rester vigilants, examiner les factures API, exiger des ventilations détaillées et plaider pour la clarté auprès de *tous* les fournisseurs de services d'AI. Cette poussée collective façonnera un avenir plus équitable et compréhensible pour la consommation d'AI.

Quel était le bug 'Hermes.md' d'Anthropic ?

C'était un problème de facturation où tout prompt contenant la chaîne en majuscules 'Hermes.md' déclenchait des frais d'utilisation excessifs sur le compte Claude d'un utilisateur, même si le fichier n'existait pas.

Comment Anthropic a-t-il réagi à ce problème de facturation ?

Anthropic a reconnu que le problème était réel, l'a décrit comme un bug dans leur système de « third-party harness detection » et a offert un remboursement complet à l'utilisateur affecté.

Qu'est-ce qu'un « third-party harness » dans le contexte de l'AI ?

Un « third-party harness » est un framework ou un outil logiciel utilisé pour évaluer, tester ou interagir avec des modèles d'AI de manière structurée. Certaines entreprises d'AI considèrent cela comme un type d'utilisation distinct.

Comment puis-je vérifier si j'ai été affecté par ce bug ?

Examinez vos journaux d'utilisation et relevés de facturation Anthropic pour détecter des pics inattendus. Si vous suspectez un problème, surtout si votre travail implique des fichiers ou des chaînes de caractères avec des noms similaires, contactez directement le support Anthropic.