Fable 5, Mythos 5, 還有Anthropic悶騷的安全政策

Anthropic 發布了絕頂聰明的大模型Claude Fable 5 / Mythos 5 ，除了幾乎在所有的基準評測中實現對競爭對手的碾壓，它還展示出強大的連續工作能力，如Stripe 用Fable 5在一天之內完成 5000 萬行 Ruby 代碼庫的遷移，如果由人工完成，則需要團隊花費兩個月的時間。

Anthropic向對手釋放的信息是，你們還在做智能體，Fable/Mythos 5已經是真正的同事和項目小團隊了。

（來源：Anthropic網站）

一如既往，Anthropic還發布了厚厚的系統卡，這次長達319頁，披露了一套更復雜、更隱蔽的安全安排：同一代模型能力，被拆分成不同可訪問版本；更少受限的 Mythos 5 只開放給少數可信伙伴；面向公眾和企業客戶的 Fable 5，則在網絡安全、生物化學、模型蒸餾、前沿 AI 研發等領域設置了不同層級的限制。

其中一部分限制是可見的。比如，當用戶提出高風險網絡安全、生物化學或模型蒸餾相關請求時，系統可能觸發安全分類器，把請求回退給能力較弱的模型，并告知用戶發生了回退。這種做法雖然會影響體驗，但至少邏輯清楚，Anthropic 認為這些任務風險較高，所以不提供完整能力，或者只提供較弱模型的回答。

真正的問題出在另一部分，對于“前沿 LLM 開發”相關請求，Anthropic 沒有采用公開拒答，也沒有明確告訴用戶模型被降級，而是通過提示詞修改（prompt modification）、引導向量（steering vectors）、參數高效微調（PEFT）等方式，在用戶不可見的情況下限制模型的有效性。也就是說，用戶以為自己正在調用最強的 Claude，得到的卻可能是被安全層暗中改寫、削弱或引導后的回答。

曾擔任白宮科技政策辦公室顧問的鮑爾（Dean W. Ball），稱之為“秘密破壞式安全政策（secret sabotage safety policy）”，它的重點不是模型自己偷偷作惡，而是一種“悶騷”：平臺主動讓模型在某些任務上變得不那么有用，同時不讓用戶知道這種變化發生了。

（相關不透明的安全條款，來源：Claude Fible 5/Claude Mythos 5系統卡）

外界批評首先集中在透明度問題上。AI 安全當然需要邊界，但邊界應該是可見的。拒答是一種邊界，用戶知道模型不回答；明示回退也是一種邊界，用戶知道自己沒有拿到完整能力。可是隱蔽限效改變了這件事的性質。它不是告訴用戶“我不能幫你”，而是表面上繼續回答，實際上降低幫助程度。對普通用戶來說，這可能只是體驗問題；對工程師、研究人員和企業客戶來說，這會直接影響判斷。一個回答不夠好，到底是因為問題本身太難，還是模型能力有限，還是 Anthropic 的安全層在背后動了手腳？用戶很難知道。

第二類批評，是它看起來具有明顯的反競爭色彩。被限制的“前沿 LLM 開發”，并不只是危險武器、生物威脅或惡意網絡攻擊，而包括預訓練流水線、分布式訓練基礎設施、機器學習加速器設計等內容。這些內容當然可能幫助別人訓練更強模型，但它們同樣也是正當科研、開源工程、企業內部 AI 基礎設施建設和獨立安全評估的一部分。問題在于，這些領域恰好也是Anthropic 的競爭對手、開源社區和追趕者最需要模型幫助的地方。于是外界自然會問：這到底是在防止危險能力擴散，還是在用安全之名保護自己的領先地位？

第三類批評，是它會傷害 AI 安全本身。Anthropic 長期以來的核心品牌就是安全，它也確實推動了很多有價值的安全實踐。但如果安全政策變得過于復雜、過于黑箱，甚至讓用戶懷疑自己拿到的能力是否被暗中削弱，那么“安全”就不再只是信任來源，也會變成信任負擔。鮑爾的批評之所以尖銳，正是因為他認為這種做法會削弱真正好的 AI 安全政策。未來，如果前沿實驗室需要在危險能力評估、模型發布節奏、生物安全、網絡安全等方面合作，社會和監管者必須相信這種合作是為了公共利益，而不是為了維護少數實驗室的市場地位。Anthropic 這次的做法，恰恰給了懷疑者一個口實，AI 安全會不會只是壟斷敘事的外衣？

更深一層看，Anthropic 正在暴露一種新的 AI 供應鏈風險。過去我們談供應鏈風險，通常想到的是芯片斷供、云服務中斷、API 漲價、許可證變化、地緣政治制裁。但大模型進入企業之后，供應鏈風險不再只是能不能用，還包括你到底用到的是什么能力。

今天，Claude 已經不是一個普通聊天機器人。它正在進入企業的編碼、研究、合規、客服、數據分析、戰略研究和安全運營流程。很多公司會把它接進內部工具鏈，讓它參與軟件開發、文檔生成、漏洞分析、客戶支持，甚至更復雜的決策輔助。這個時候，模型供應商就不再只是軟件供應商，而是企業認知供應鏈的一部分。

認知供應鏈的風險更隱蔽。供應商不一定停服，不一定報錯，也不一定明確拒絕，而是可能在某些主題、某些任務、某些場景中悄悄改變能力邊界。對企業來說，這非常麻煩。因為企業流程講究可預期、可審計、可復現。如果一個模型在不同任務上受到不可見干預，企業就很難把它作為穩定基礎設施來管理。尤其是當這種干預發生在研發、模型訓練、系統架構、網絡安全等高價值場景時，它就不只是產品體驗問題，而是供應商治理問題。

就在幾個月前，Anthropic因為堅持自己的安全原則，被美國國防部認定為供應鏈風險企業，得到了廣泛的同情與支持，但是，這次它自己可能真的對用戶產生了供應鏈風險。

2026/02/28 完整閱讀 >

當然，Anthropic 也有自己的難處。前沿模型確實可能加速危險能力擴散。一個足夠強的 AI，如果能幫助小團隊搭建訓練系統、優化分布式集群、設計模型架構、繞過安全評估，確實可能降低前沿能力擴散門檻。從這個角度看，Anthropic 不可能簡單地把所有能力無差別開放。它需要區分可信客戶和普通用戶，需要對高風險領域設置限制，也需要防止競爭性模型開發者違反服務條款，用 Claude 來訓練或改進自己的前沿系統。

但這正是問題最微妙的地方，安全與壟斷在前沿 AI 產業中天然糾纏。越是強大的模型，越有理由被限制；越是嚴格的限制，越可能保護領先者。安全邏輯說，不能讓危險能力輕易擴散；競爭邏輯說，不能讓領先公司以安全之名阻止后來者追趕。兩者的理由都站得住。

如果 Anthropic 公開說：“我們不支持用 Claude 幫助開發競爭性前沿模型”，這是一條商業規則，用戶可以接受或不接受。如果Anthropic 公開說：“某些高風險 AI 研發請求會觸發拒答或明示降級”，這是一條安全規則，用戶也可以評估其合理性。真正危險的是，它把商業邊界、安全邊界和技術干預混在一起，并且讓一部分干預不可見。這樣一來，外界就很難判斷：某一次模型變差，是因為公共安全，還是因為商業利益？

這對 Anthropic 的品牌是一次反噬。它過去依賴“安全”建立差異化，把自己塑造成一個更謹慎、更負責任、更值得信賴的 AI 公司。但安全如果玩得太花，太悶騷，就會從品牌資產變成品牌負債。用戶可以接受一個模型有邊界，但很難接受邊界被隱藏。用戶可以接受一個公司謹慎，但很難接受謹慎變成不可審計的黑箱權力。

企業客戶接下來應該學到的教訓也很直接，采購大模型，不能只看刷榜分數、上下文長度、編碼能力和價格，還要看安全政策是否透明，能力降級是否可見，模型回退是否有日志，企業合同是否明確能力邊界，供應商是否承諾政策變更通知，是否允許客戶選擇更透明的合規模式。更重要的是，關鍵流程不能完全依賴單一模型供應商。多模型架構、本地模型備份、開源模型替代、任務級審計，都將成為 AI 時代的新供應鏈管理。

Anthropic在反噬自己“安全第一”的聲譽，正在把安全做成了用戶難以感知、難以驗證、難以追責的系統。AI 安全最需要的是信任，而信任最需要的是透明。Anthropic 如果不能把這條線重新劃清楚，那么它越強調安全，外界越可能問一句：你到底是在保護用戶，保護社會，還是在保護你自己？

參考：

https://www-cdn.anthropic.com/d00db56fa754a1b115b6dd7cb2e3c342ee809620.pdf

https://www.anthropic.com/news/claude-fable-5-mythos-5

https://x.com/deanwball/status/2064665679307985244