Em 27 de setembro, o Claude Opus 5 e o modelo Tetsu de 3B identificaram seis verificações de integração contínua separadas em seu repositório público que foram marcadas como verdes ou aprovadas, apesar de não verificarem o que deveriam medir. Os problemas variavam desde um gate de implantação que recusava reinicializações válidas devido a digests desatualizados até benchmarks de tempo com limiares vazios que aceitavam diferenças de desempenho insignificantes.
- Um script de verificação de implantação recusava todas as reinicializações porque seu pin de digest principal estava cinco commits desatualizado, treinando os leitores a não acreditarem nos indicadores vermelhos.
- Uma verificação de contagem de linhas esperada nunca foi aplicada no caminho de execução real usado pelas verificações horárias.
- Um guardador de deriva de corpus multimídia afirmava correspondências de regex na saída da ferramenta sem jamais abrir o documento que alegava proteger.
- 252 reparos assíncronos registrados como "iniciados" nunca foram re-medidos, custando cinco dias de builds e permanecendo não comprovados.
- Uma falha de CI pública em uma alteração de markdown foi inconsistente, mostrando três veredictos diferentes para os mesmos bytes.
- Uma correção de benchmark de tempo usou um mínimo de cinco execuções que selecionava o cache mais aquecido, mascarando efeitos de ordenação até que medições intercaladas fossem realizadas.
Os autores enfatizam que registrar uma prova antes de executá-la é um erro crítico, atualizando suas regras para exigir a quebra das verificações antes de documentá-las como corrigidas.