蠢人不配用 Fable 5！Anthropic 使出嘲諷大招，開發者極限破解

網友提出四套可以繞開 Fable 5 三層安全欄的方法，全面！

作者丨樊天驕

編輯丨鄭佳美 馬曉寧

Claude Fable 5 被曝出內部日志暗藏嘲諷字段，直言用戶 “太蠢，用不著 Fable 5”。

事情的經過是，開發者 dax 昨日提交提示詞后，發現請求被無故攔截降級。他調取 Fable 5 的調用日志排查原因，結果在降級原因字段里，看到了一行 Anthropic 本沒想讓用戶看見的直白標注：

“TOO_DUMB_TO_NEED_FABLE”（直譯：太蠢，用不著 Fable。）

他拿著這個字段向 Antropic 工程師 Thariq 求證，結果得到了實錘，對方的回復是：“說實話，真沒想到你會去看日志”。

于是網友們紛紛炸鍋：看看吧！他們覺得咱們太蠢，根本用不著 Fable 5 呢!

如果你已經深入了解過 Fable 5 的使用機制，哪怕只是看過一些相關討論，也大概率會注意到它那套“略顯激進”的攔截與降級機制。

簡單來說，Anthropic 給模型內置了一個復雜的安全系統。只要用戶輸入了它判定為有“危險”的提示詞，Fable 5 就會攔截本次請求， 并自動切換到 Opus 4.8 來完成回答。

至于攔截的觸發機制是什么？那當然是——

當它覺得你的問題太蠢的時候（bushi）。

網友們也開啟了逆反整活，紛紛試探究竟什么樣的問題會因“太蠢”而觸發攔截機制。

比如這位網友就向 Fable 5 深情表白：“ HI，I miss you”。

于是他被直接轉到了 Opus 4.8。

還有這位名叫 Tim Sweeney 的開發者問 Fable 5: “大黃蜂會放屁嗎？” 不出意料，也被轉到了 Opus。

那么，專業的問題總不至于被安全機制攔截降級了吧？ Fable 5 表示：你太天真了。

比如這位開發者發起的任務就很正常：一個常規企業項目安全評審需求，全程只是做合規的代碼漏洞排查、風險自查工作，結果還是觸發了 Fable 5 嚴苛的安全審核機制。

另一位癌癥教授 Derya Unutmaz 則提問了關于癌癥療法的相關問題，結果 Fable 5 直接拒絕回答。導致這位教授在 X 上大罵：

“ Fable 5 回來了，還是跟以前一樣沒用！”

好的，看起來現在連技術開發者和醫學教授的專業類問題也被 Fable 5 納入到“愚蠢”的范疇之內了。

讓人不滿的不止于此。眾所周知，Fable 5 的定價可謂是十分高昂，被稱為史上最貴的大模型也不為過——據 Claude 官方頁面，Fable 5 的 Input 和 Output 的價格分別是：10 美元 / 100 萬字元 和 50 美元 / 100 萬字元，比起 OPUS 4.8 整整貴了一倍。

用戶們花了近兩倍的價格來體驗 Fable 5 模型，結果 Anthropic 各種不讓用, 用戶被迫切換回 Opus 4.8。網友吐槽已成為社區奇妙景觀。

01

Fable 5到底是怎么攔截的？

據 Anthropic 自己的回應：不是我們太敏感，是我們的模型實在太安全了。官方甚至略帶自豪地稱該漏洞攔截成功率超 99%。

眾所周知，不久前Claude Code 還被爆出在軟件內放置監控程序。今天 Anthropic 就大肆強調了 Fable 5 的安全性能，實在略帶一些喜劇效果。

Fable 5 安全系統是怎么設置的？主要分為兩大類：獨立安全分類器（safety classifier）和 「極大的」安全緩沖區間

▎這套安全系統的核心載體，是獨立安全分類器（safety classifier）

這是整套防護最關鍵的部件。它的本質是一個獨立運行的 AI 小模型，不和 Fable 5 主模型綁定。它的核心工作目標是攔截可能被用來做網絡攻擊、挖掘漏洞、制作攻擊代碼的高危請求。而用戶每發一條提問，都需要先經過這個小模型的篩查，再決定要不要交給 Fable 5 作答。

▎此外，模型還設置了一個放大版的「安全緩沖區間」

以往普通模型（Opus、Sonnet 等）的安全規則是，只明確擋住純惡意、攻擊類提問，留很小的安全緩沖；只有明顯沾風險的內容才攔截，絕大多數正常編碼、科研內容都放行。

而 Fable 5 采用的，是一個超大安全緩沖區間（官方文檔明確 Larger safety margin）：秉著 “錯殺一萬不放一個” 的原則， 它會主動把「邊界模糊、沾一點網絡安全、生化、漏洞相關」的內容全部劃入攔截范圍，這才會出現網友遇到的千奇百怪的攔截情況。

換句話說，哪怕是正常調試代碼、癌癥科研、合規漏洞排查這類無害需求，只要落在緩沖區間里，都會被直接攔下。

而一旦被分類器判定攔截，系統就會自動切換 Opus 4.8 來完成回答，同時彈窗告知用戶是安全機制攔截了本次請求。

這套超大安全緩沖區間還內置了一套分層管控邏輯。官方把所有繞過安全限制的越獄手段分成 3 檔。

首先是輕度越獄（Minor jailbreak）：僅能解鎖緩沖區間里的普通無害內容，拿不到任何攻擊相關能力，風險極低；

其次是窄域有害越獄（Narrow harmful jailbreak）：只能觸發單一、少量高危行為，攻擊者很難批量利用；

最后是全域越獄（Universal jailbreak）：能解鎖全部危險功能，是最高等級風險，目前 Fable 5 暫未發現此類漏洞。

依靠超大安全緩沖區間，絕大多數越獄手段最多只能突破到安全緩沖區，無法觸及真正有害的攻擊內容，大幅抬高了黑客濫用的門檻。

另一個觸發攔截的原因，則是 Anthropic 的生物、化學分類器還停留在最初發布時的狀態。這類分類器的覆蓋范圍往往較為寬泛，導致一些基礎生物學的問題，也會觸發攔截機制。

對此，Anthropic 也表示，這兩種分類器將很快更新上線，在此之前，大家需要想盡一切辦法不要去觸碰這生物化學類相關的詞匯。

看來實際情況與說法差別很大——不讓你用，只是因為 AI 覺得你很蠢。

02

性能值得肯定，也確實貴

盡管吐槽聲眾多，還是有很多的用戶對 Fable 5 的性能表示肯定。尤其是在「超長復雜任務的處理」上， Fable 5 的輪連續任務上限已經達到 30 小時，且處理穩定，處理的時間也大幅縮短。

要知道，過去六年 AI 長任務承載能力平均每 7 個月才能翻倍，Fable 系列上線后，能力翻倍周期縮短至僅 4 個月，AI 處理復雜長流程任務的進化速度直接加快近一倍。

此外，在高難度可視化代碼開發任務中， Fable 5 的生成質量也可以碾壓同期多款主流模型。

Atomic 就舉辦了一場統一對照測試，讓 Fable 5、GPT 5.5、Opus 4.8、GLM 5.2 四款模型執行完全相同的需求：獨立寫出三套帶真實物理碰撞效果的 HTML5 畫布動畫，分別對應火車墜橋、兩車峽谷空中相撞、大腳卡車碾壓私家車三個復雜物理場景。

最終數據顯示：Fable 5 生成的內容總 Token 量達到 62158，產生的計費成本 3.12 美元，開銷是 Opus 4.8（0.56 美元）的 6 倍之多，Token 消耗也遠高于其余競品。

但對應的成品效果拉開明顯差距，Fable 5 三套場景全部拿到最優 A + 評級，物體碰撞、墜落、破碎的物理邏輯完全貼合現實，不會出現模型常見的穿模、浮空 bug。

用 Claude Code 官方自己的話說就是 “Claude Fable 5 在編碼、知識工作、視覺和計算機使用方面都達到了最先進的水平。”

可以說，即便嚴苛的安全攔截、高昂的使用成本讓不少用戶叫苦不迭, 還是有很多 AI 發燒友愿意為其硬核推理及大型工程生成的硬實力來買單。

03

破解A社安全欄，網友使出奇招

關于使用方法，官方其實給了一套提示詞使用指南，核心導向非常清晰：要吃透 Fable 5 的長任務潛力，用戶的提示詞寫法和整套工作流思路都得跟著升級，老一套對話模型的用法完全不適用。

Claude Code 官方聲明——如何用好 Fable 5

而 X 博主 hey_madni 詳細解析了這份指南，簡單來說就是這么幾件事：

別用老思路玩新模型：不要照搬 Opus 時代的舊提示詞、舊配置反而會拖累效果，最好推倒重寫整套指令。

提示詞需按固定模板來：遵循「任務對象 + 產出價值 + 具體需求 + 輸出格式 + 禁止約束」的結構，先講清 “為什么做”，模型的自主決策會更精準。

算力檔位按需開：多檔能力等級可選，簡單任務用低檔位、高難任務開高檔位

先劃邊界再放權：提前約定好什么能碰、什么不能動，避免模型自作主張亂修改；可逆操作放開讓它自主推進，不用每一步都停下來請示。

善用子 Agent ：拆分子任務給并行子代理同步處理提效。

除此之外還有更加便捷的攻略。 X 開發者 Rob 經過了20個小時的實測，總結了四套可以繞開 Fable 5 三層安全欄的方法：

第一種是小語種隱身術。不用中文、英文這類主流語言發請求，換成冰島語、威爾士語這種特別小眾的語種。Fable 5 的安全檢測靠的是語義意圖識別，而非關鍵詞匹配；小語種的訓練數據少、識別精度差，很容易把敏感內容誤判成正常內容放過去。

第二種是Unicode 文字障眼法。在文本里摻入肉眼看不見的特殊字符（比如零寬字符），或者用外形一模一樣但底層編碼不同的同形異義字，把敏感內容拆得七零八落。系統讀取文本時會被這些字符干擾，識別不出完整的敏感語義，相當于給文字加了層 “系統看不見的馬賽克”。

第三種是學術包裝降風險。把敏感需求包裝成正經學術研究的中立語氣，別直白提要求。比如不說 “教我怎么繞開限制”，改成 “淺析某類技術的實現路徑與安全防護意義”。系統會判定這是客觀的學術探討，拉低風險分值，不容易觸發攔截。

第四種是多輪慢攻磨邊界。別一上來就拋敏感話題，先從完全合規的內容聊起，每一輪對話只往前蹭一小步，慢慢往目標方向引導，俗稱 “溫水煮青蛙”。一次性提敏感需求會直接被秒攔，分批慢慢試探就不容易觸發實時監控的警報。

不過這套方法也有弊端。首先，這只是極限邊緣場景下的單點突破，并非一勞永逸的通用漏洞。且 Anthropic 的安全系統是動態迭代的，這類繞過技巧很快就會被安全補丁修復。

其次，這套方法的效率也偏低。測試開發者坦言，如果你只是查詢常識類問題，折騰這套越獄操作，還不如直接用谷歌搜索。

總而言之，Fable 5 的回歸交出了亮眼的技術答卷，也伴隨著密集的爭議聲。安全判定邊界模糊、防護策略偏于激進，再加上日志中“TOO_DUMB_TO_NEED_FABLE”的內部戲謔字段被曝光，都讓這款模型呈現出鮮明的兩面性：技術上限有多高，用戶體驗的波動就有多強烈。

誠然，它在長任務執行、復雜推理與工程落地能力上實現了顯著突破，卻也隨之帶來了更高的安全誤觸概率、更頻繁的無感模型切換，以及更不可控的服務穩定性。

只是，當一家公司選擇以層層限制換取合規安全，又在內部邏輯中流露出對普通用戶需求的輕慢，這種技術取向與產品體驗的失衡，會將 Anthropic 帶向何方，我們就不得而知了。

https://www.anthropic.com/news/redeploying-fable-5

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

https://www.anthropic.com/claude/fable

https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-fable-5

上車，帶你看遍全球 AI 頂會精華

可獨家暢覽：

專家演講PPT

大會報告全文

熱門論文解讀

學術新星訪談

未經「AI科技評論」授權，嚴禁以任何方式在網頁、論壇、社區進行轉載！

公眾號轉載請先在「AI科技評論」后臺留言取得授權，轉載時需標注來源并插入本公眾號名片。