Anthropic于周二正式公开发布Claude Fable 5，这是其首款被定义为“神话级（Mythos-class）”的模型。官方表示，该模型在整体能力上已超越此前的前沿Opus系列。鉴于对技术可能被用于协助恶意行为的担忧，Fable 5的发布附带了多项严格的安全限制，旨在阻断涉及网络安全、生物学和化学等敏感领域的问答。

Fable 5基于与Mythos 5相同的底层架构。随着Mythos 5结束长达数月的预览期，今日已通过Project Glasswing项目审核，面向少数可信赖的网络防御人员开放。相比之下，面向公众的Fable 5采取了更为保守的策略：当检测到特定敏感话题查询时，系统会将请求重定向至较早版本的Claude Opus 4.8模型，并向用户发出明确警告。

安全机制“比理想状态更严格”

Anthropic坦言，目前的安全机制调整得“比理想状态更严格”，这可能导致系统偶尔拒绝一些无害请求。尽管承认这可能给普通用户带来不便，但公司强调，为避免Mythos模型提供其他来源无法获得的“造成严重伤害”的能力，这种权衡是必要的。测试数据显示，此类误报率低于所有会话的5%。

Fable 5的主题安全机制基于一套分类器系统，旨在广泛识别被禁止的提示词主题及潜在的越狱尝试。在与赏金计划配合进行的超过1000小时红队测试中，外部团队未能找到针对Fable 5的通用越狱方法。此外，新模型对自动化越狱尝试的抵抗力较之前的Claude Opus模型有显著增强。

业界特别关注Mythos 5具备的“代理式黑客攻击”能力，即执行多部分网络攻击的效率远超以往模型。然而，英国AI安全研究所近几个月的测试发现，Mythos Preview在一系列夺旗挑战中的表现与OpenAI的GPT-5.5相似。这一结果表明，Mythos的性能提升并非某一模型特有的突破性进展，而是行业整体水平演进的体现。

【星途科讯 图文丨略略】