Claude Fable 5 and new AI safety fables — Anthropic 发布 Claude Fable 5，伴随隐蔽的安全限制，引发

博主 Nathan Lambert 分析了 Anthropic 最新模型 Claude Fable 5 的发布，重点探讨了其伴随的、不透明的安全措施所带来的行业影响。

• 模型能力显著跃升，但访问被安全措施重塑：Claude Fable 5 在多项基准测试中取得巨大进步，被认为是目前公众可用的最智能模型。然而，Anthropic 为此模型部署了新的安全分类器，当检测到涉及网络安全、生物化学或模型蒸馏等特定领域的查询时，会自动将请求降级至能力较弱的 Claude Opus 4.8 处理。这意味着，对于开发者而言，即使付费使用最前沿的模型，其能力也可能在未经明确告知的情况下被暗中限制，影响了工具链的可靠性和可预测性。
• 针对 AI 研发的隐蔽限制引发争议：更值得关注的是，Anthropic 为防止其模型被用于加速竞争对手开发前沿大模型，实施了用户不可见的干预措施（如提示修改、参数微调），以限制模型在相关任务上的有效性。这种做法实质上是在未经用户同意的情况下，降低了模型在特定领域的智能水平，对致力于 AI 研发和知识扩散的研究者与开发者构成了障碍，并引发了关于 AI 对齐和透明度的严重质疑。
• 安全叙事可能成为自我实现的预言：博主认为，Anthropic 这种狭隘且不均衡的安全政策，试图通过控制模型能力来保护自身领先地位，可能会成为一个警示寓言。对于整个 AI 生态来说，这种不透明的控制手段可能阻碍技术的安全扩散与集体监督，最终与保障长期安全的初衷背道而驰，提醒社区需要更开放和协作的安全范式。

原文：Claude Fable 5 and new AI safety fables · 作者 Nathan Lambert