Fable5 的安全回退机制：它是怎么悄悄换成 Opus 4.8 的

Claude Fable5 最特别的设计决策不是某项能力，而是当你问错问题时会发生什么：它不拒绝，而是把会话静默转给 Claude Opus 4.8，照样给你答案。

机制本身

Fable5 配备了严格的安全分类器，聚焦在 Anthropic 认为 Mythos 级能力不宜大范围开放的领域——主要是网络安全与生物学。当请求触发分类器时：

1. 请求不会被拒绝。
2. 改由 Claude Opus 4.8 生成回答。
3. Anthropic 称平均不到 5% 的对话会发生这种情况。

对于真正的受限场景，Anthropic 提供了单独的版本：Claude Mythos 5——同一底层模型但解除部分安全限制，仅通过 Project Glasswing 向经审核的网络防御者与基础设施提供商开放。

对基准测试意味着什么

公开成绩需要仔细解读。在 ExploitBench 这类网络安全与生物学评测中，Fable5 的成绩接近 Opus 4.8 的水平——因为实际作答的常常就是 Opus。那些上头条的领域最高分属于 Mythos 5，而你几乎肯定用不上它。至于编码、知识工作和视觉基准，公布的 Fable5 数字是货真价实的。

对你的产品意味着什么

• 一致性： 如果你的应用涉及安全研究、恶意软件分析或生物科技，会有一部分回答来自另一个（更弱的）模型——而 API 响应中没有任何标记。
• 计费： 按实际回答的模型计价。在产生任何输出之前到达的拒答完全不收费，随后的 Opus 4.8 那一轮按 Opus 价格计费；中途拒答则是已流出的部分按 Fable5 计价、剩余按 Opus 计价。无论哪种情况，如果你的领域频繁触发回退，不如直接把这些调用路由给 Opus 4.8——答案一样，还省掉分类器这一趟。
• 数据保留： Fable5 与 Mythos 5 都执行 30 天数据保留政策用于安全监控，零数据保留（ZDR）协议不适用。

诚实的结论

回退机制是合理的工程折衷——既让 Fable5 保持大范围可用，又不至于把不受限的前沿能力直接放出去。但它奖励那些知道它存在的团队：测试你的真实工作负载，留意敏感话题上的质量断崖，别对领域基准照单全收。

来源：Anthropic 公告与模型文档，2026 年 6 月 9 日。更多内容见常见问题。更新：这套分类器架构正是 6 月越狱争议实际检验的对象。