stop_reason: refusal в Claude Fable 5

Пять категорий отказа

stop_details.category называет policy area, которая сработала. category и explanation могут быть null, когда отказ не попадает в именованную категорию — это постоянно, не placeholder.

• bio

  Запрос мог бы способствовать биологическому вреду — например, опасным лабораторным методам. Безвредная работа в life sciences тоже может сработать. В Claude Code bio-флаг на Fable 5 переводит сессию на Opus 5; у Opus 5 свои biology-классификаторы без дальнейшего fallback — последующие bio-flagged запросы там заканчиваются отказами.

• cyber

  Запрос мог бы способствовать кибервреду — malware или разработке эксплойтов. Безвредная работа по cybersecurity тоже попадает сюда. Pentest, CTF и репозитории security tooling часто с первого запроса — это ожидаемая маршрутизация, а не флаг на вашем аккаунте.

• frontier_llm

  Запрос мог бы помочь разработке конкурирующих AI-моделей — commercial terms Anthropic это ограничивают. Безвредная ML-работа тоже; evaluation harnesses и tooling сравнения моделей иногда неожиданно попадают сюда.

• general_harms

  Запрос затрагивает область, признанную вредной, и не попадает в более конкретную категорию. Безвредная работа иногда тоже; это категория, которую чаще всего решают переформулировкой или контекстом о намерении.

• reasoning_extraction

  Запрос просит модель воспроизвести внутреннее рассуждение в тексте ответа. Промпты, skills или harness с «покажи ход мыслей», «think step by step», «объясни рассуждение» попадают в эту категорию и дают повышенные fallbacks на Opus 4.8. Самый частый самонавязанный refusal на Fable 5.

Исправляйте в таком порядке

Сначала обнаружение, потом смягчение. Если вы не считаете отказы, не поймёте, работает ли fallback.

1. 1

   2. Проверьте промпты на язык reasoning-extraction

   Ищите в system prompts, skills и harness всё, что просит эхо, транскрипцию или объяснение internal reasoning как response text, и удалите. Нужна видимость рассуждения — читайте structured thinking blocks из adaptive thinking.

2. 2

   1. Ветвление по stop_reason, не по content

   Сразу после вызова проверяйте stop_reason equal refusal или stop_details.type. Не выводите отказ из пустого content и не разбирайте stop_details.explanation — текст нестабилен и предназначен для отображения, а не для логики.

3. 3

   3. Fallback на каждом request path

   Server-side fallback: параметр fallbacks плюс beta header server-side-fallback-2026-07-01 (beta на Claude API). SDK middleware работает на любой платформе. Подключите в retry handlers и background workers; subagent calls — свой fallback, параметр не propagates в model calls внутри tool execution.

4. 4

   5. Отказы как отдельная метрика

   Refusal — 200, поэтому monitoring на error rates или 5xx never sees it. Эмитируйте event per refusal и per fallback-served (fallback_message в usage.iterations); alert на gap между counts.

5. 5

   4. Резервной модели нужен запас rate limit

   Если fallback model rate limited или overloaded, попытка fallback пропускается и возвращается исходный refusal. Заложите лимиты fallback под ожидаемый объём отказов — иначе fallback silently degrades to refusal при highest load.

Связанные страницы