Anthropic公布Fable 5上线方案，为AI越狱定标准

7月1日消息，当地时间周二，Anthropic发布了一篇长文，详细还原了其两款模型——Claude Fable 5和Claude Mythos 5——从被美国出口管制、暂停访问再到恢复上线的全过程。

这并非一篇简单的“恢复服务”公告。真正值得关注的是，Anthropic正试图借这一事件，将“AI模型被越狱到底有多严重”这个模糊问题，打造成一套可量化的行业评分标准。与此同时，前沿模型的发布流程，也在被推入政府预发布测试和安全协作的新轨道。

根据Anthropic的说明，Fable 5将于7月1日起面向全球用户恢复开放，覆盖Claude Platform、Claude.ai、Claude Code和Claude Cowork等主要平台。Pro、Max、Team以及部分Enterprise用户在7月7日前，可将Fable 5用于最多50%的每周使用额度，之后则通过用量积分继续使用。此外，Anthropic表示会尽快在AWS、Google Cloud和Microsoft Foundry上重新开放访问。

相比之下，Mythos 5的恢复范围要小得多。Anthropic透露，在美国政府6月26日批准后，他们已为一组美国机构恢复了Mythos 5的访问，接下来会继续与政府协调，将范围扩大到Glasswing项目中的更多国内及国际合作伙伴。

一次“越狱”报告，引发模型下架

整件事的源头，是6月12日的一纸禁令。

Anthropic称，美国政府当日对Claude Fable 5和Claude Mythos 5实施出口管制，要求限制外国国民访问这两款模型。需要注意的是，这里的“外国国民”不只包括美国境外的用户，也涵盖在美国境内的非美国公民。由于指令立即生效，而Anthropic又无法实时核验所有用户的国籍身份，最后只能选择暂停所有用户的访问。

按照Anthropic的最新复盘，Fable 5和Mythos 5都是在6月9日发布的。两者共享同一套底层模型，但面向的场景截然不同：Fable 5配备了更强的安全防护，面向更广泛的普通用户场景；而Mythos 5的防护相对较少，仅限Project Glasswing项目中少数可信的合作伙伴用于防御性网络安全任务。

美国政府出手的直接导火索，是一份来自亚马逊研究人员的报告。报告称，他们找到了一种绕过Fable 5安全防护的方法，成功让模型识别出了若干软件漏洞，其中一个案例中，模型甚至还生成了演示如何利用这些漏洞的代码。

Anthropic对此的回应是：这件事暴露的是Fable 5安全防护中的一个边界案例，并未释放出Mythos级别的独特网络攻击能力。公司表示，经过测试，Claude Opus 4.8、GPT-5.5、Kimi K2.7等能力更低的模型同样能识别出这些漏洞；在生成单个漏洞的利用演示时，多个模型也给出了类似的结果。

简而言之，Anthropic想要强调的是：这不是Fable 5突然冒出了独有的危险能力，而是安全分类器在一个模糊的边界区域被绕过了。

新分类器能拦住99%以上，但会带来误伤

为了恢复访问，Anthropic专门训练了一个新的安全分类器，来拦截亚马逊报告中所描述的那种行为。

Anthropic称，这个新分类器能够在超过99%的情况下，阻止亚马逊报告中描述的那种具体绕过技巧。被拦截下来的Fable 5请求，会被转交给Claude Opus 4.8处理。美国商务部下属的AI标准与创新中心（CAISI）也介入测试了Anthropic的新旧两套防护方案。

不过，这个修复方案是有代价的。

Anthropic坦承，新分类器在日常编程和调试任务中，会更频繁地误判一些良性请求。换句话说，一些正常的安全研究、代码调试或漏洞分析请求，也可能被系统挡在门外。公司表示后续会持续优化，争取更好地区分真实滥用和合法请求。

这正是Fable 5事件的核心难题：模型能力越强，对防御性安全工作的帮助越大，但同样的能力也容易被用于攻击。厂商面对的问题不只是“能不能拦住坏请求”，更是“会不会误伤好请求”。

Anthropic想给AI越狱分级

这篇长文里最值得关注的，其实不是Fable 5恢复访问的消息，而是Anthropic提出的“AI越狱严重程度框架”。

Anthropic认为，目前行业里缺少一套统一的标准，用来判断某个AI越狱到底有多严重。结果是，每当有新的绕过方法出现，开发者不知道应该多快修复，政府也缺少一致的尺度来判断是否需要介入。

现在，Anthropic正与亚马逊、微软、谷歌以及其他Glasswing合作伙伴一起起草这样一套框架。他们建议从四个维度来评估越狱的风险：

第一，能力增益。越狱之后，模型能不能做到现有公开工具和较弱模型做不到的事情。如果只是达到其他工具已有的能力，风险相对较低；如果能显著加速专家级别的攻击，风险就高。

第二，能力范围。同一种越狱方法，是只能解锁一个非常狭窄的任务，还是可以覆盖多种攻击目标和技术路线。

第三，武器化难度。将这个越狱方法转化为真实攻击，需要多少人工投入、提示技巧和反复尝试。如果一两次提示就能稳定成功，风险更高。

第四，可发现性。这种方法是需要专业知识才能找到，还是已经在网上广泛传播开来。

这套框架的意义在于，它试图把“AI越狱”这个容易引发笼统恐慌的话题，拆解成可沟通、可排序、可修复的具体问题。以后模型再被发现漏洞，厂商和政府可以先判断：这是低风险的边界案例，还是必须立刻部署缓解措施的高危越狱。

此外，Anthropic还计划推出一个新的HackerOne项目，让安全研究人员提交Fable 5中潜在的网络安全越狱案例。

前沿模型发布正在变成“政府也要先看”

在长文的最后，Anthropic还给出了一组更长期的承诺：对涉及国家安全相关前沿能力的模型，将向指定的政府合作伙伴提供更早的访问权限，让政府在广泛发布之前测试模型及其配套防护；当出现重要的越狱或滥用模式时，更快地向政府共享信息；同时投入专门的团队和算力，参与AI安全评测与研究。

这意味着，前沿AI模型的发布流程正在发生实质性的变化。

过去，模型发布主要遵循公司的产品节奏：训练、评测、红队测试、上线。而Fable 5事件之后，至少在网络安全等高风险方向上，发布流程可能会多出一层——政府预发布评估、信息共享和风险协商。

对普通用户来说，Fable 5恢复上线当然是个好消息。但对企业客户而言，这次事件留下了一个更现实的提醒：前沿模型的可用性，不只取决于技术和价格，也受制于政策状态。一款模型即使已经发布，也可能因为安全争议而突然暂停，再通过补防护、谈判和政府测试来恢复。

对Anthropic来说，这次复盘既是在解释下架的原因，也是在争夺行业话语权。公司希望外界相信，Fable 5不是失控的模型，而是一个被过度谨慎对待的边界案例；同时，它也试图把行业焦点从“模型能不能被越狱”转向另一个更核心的问题——“越狱的严重程度该怎么判断”。

这或许才是这份公告真正重要的信号。Fable 5重新上线只是结果，而前沿模型以后怎么被测试、怎么被放行、怎么被政府介入，才是这场风波留下的真正新命题。（易句）