Anthropicが解釈可能性（interpretability）研究の成果として、Claude 3 Sonnetの中間層から人間が理解できる「特徴（feature）」を数百万規模で抽出したと発表した。実運用中のフロンティアモデルの内部を詳細に見た初の事例とされる。特徴はサンフランシスコやロザリンド・フランクリンのような具体物から、コードのバグ、職業にまつわるジェンダーバイアス、秘密を守るといった抽象概念まで及び、画像と複数言語をまたいで反応するものもあった。特徴の強度を人為的に増幅するとモデルの振る舞いが実際に変わることも示され、「Golden Gate Bridge」の特徴を強めたモデルは自分を橋だと言い出した。詐欺メールの特徴を増幅すると安全性訓練を上書きできてしまうことも判明し、危険な能力の監視に使える可能性と、悪用の余地の両面が示された。この特徴を強調したデモ「Golden Gate Claude」は一般にも公開され、解釈可能性研究が広く注目される契機となった。