蠢人不配用 Fable 5！Anthropic 使出嘲讽大招，开发者极限破解

网友提出四套可以绕开 Fable 5 三层安全栏的方法，全面！

作者丨樊天骄

编辑丨郑佳美 马晓宁

Claude Fable 5 被曝出内部日志暗藏嘲讽字段，直言用户 “太蠢，用不着 Fable 5”。

事情的经过是，开发者 dax 昨日提交提示词后，发现请求被无故拦截降级。他调取 Fable 5 的调用日志排查原因，结果在降级原因字段里，看到了一行 Anthropic 本没想让用户看见的直白标注：

“TOO_DUMB_TO_NEED_FABLE”（直译：太蠢，用不着 Fable。）

他拿着这个字段向 Antropic 工程师 Thariq 求证，结果得到了实锤，对方的回复是：“说实话，真没想到你会去看日志”。

于是网友们纷纷炸锅：看看吧！他们觉得咱们太蠢，根本用不着 Fable 5 呢!

如果你已经深入了解过 Fable 5 的使用机制，哪怕只是看过一些相关讨论，也大概率会注意到它那套“略显激进”的拦截与降级机制。

简单来说，Anthropic 给模型内置了一个复杂的安全系统。只要用户输入了它判定为有“危险”的提示词，Fable 5 就会拦截本次请求， 并自动切换到 Opus 4.8 来完成回答。

至于拦截的触发机制是什么？那当然是——

当它觉得你的问题太蠢的时候（bushi）。

网友们也开启了逆反整活，纷纷试探究竟什么样的问题会因“太蠢”而触发拦截机制。

比如这位网友就向 Fable 5 深情表白：“ HI，I miss you”。

于是他被直接转到了 Opus 4.8。

还有这位名叫 Tim Sweeney 的开发者问 Fable 5: “大黄蜂会放屁吗？” 不出意料，也被转到了 Opus。

那么，专业的问题总不至于被安全机制拦截降级了吧？ Fable 5 表示：你太天真了。

比如这位开发者发起的任务就很正常：一个常规企业项目安全评审需求，全程只是做合规的代码漏洞排查、风险自查工作，结果还是触发了 Fable 5 严苛的安全审核机制。

另一位癌症教授 Derya Unutmaz 则提问了关于癌症疗法的相关问题，结果 Fable 5 直接拒绝回答。导致这位教授在 X 上大骂：

“ Fable 5 回来了，还是跟以前一样没用！”

好的，看起来现在连技术开发者和医学教授的专业类问题也被 Fable 5 纳入到“愚蠢”的范畴之内了。

让人不满的不止于此。众所周知，Fable 5 的定价可谓是十分高昂，被称为史上最贵的大模型也不为过——据 Claude 官方页面，Fable 5 的 Input 和 Output 的价格分别是：10 美元 / 100 万字元 和 50 美元 / 100 万字元，比起 OPUS 4.8 整整贵了一倍。

用户们花了近两倍的价格来体验 Fable 5 模型，结果 Anthropic 各种不让用, 用户被迫切换回 Opus 4.8。网友吐槽已成为社区奇妙景观。

01

Fable 5到底是怎么拦截的？

据 Anthropic 自己的回应：不是我们太敏感，是我们的模型实在太安全了。官方甚至略带自豪地称该漏洞拦截成功率超 99%。

众所周知，不久前Claude Code 还被爆出在软件内放置监控程序。今天 Anthropic 就大肆强调了 Fable 5 的安全性能，实在略带一些喜剧效果。

Fable 5 安全系统是怎么设置的？主要分为两大类：独立安全分类器（safety classifier）和 「极大的」安全缓冲区间

▎这套安全系统的核心载体，是独立安全分类器（safety classifier）

这是整套防护最关键的部件。它的本质是一个独立运行的 AI 小模型，不和 Fable 5 主模型绑定。它的核心工作目标是拦截可能被用来做网络攻击、挖掘漏洞、制作攻击代码的高危请求。而用户每发一条提问，都需要先经过这个小模型的筛查，再决定要不要交给 Fable 5 作答。

▎此外，模型还设置了一个放大版的「安全缓冲区间」

以往普通模型（Opus、Sonnet 等）的安全规则是，只明确挡住纯恶意、攻击类提问，留很小的安全缓冲；只有明显沾风险的内容才拦截，绝大多数正常编码、科研内容都放行。

而 Fable 5 采用的，是一个超大安全缓冲区间（官方文档明确 Larger safety margin）：秉着 “错杀一万不放一个” 的原则， 它会主动把「边界模糊、沾一点网络安全、生化、漏洞相关」的内容全部划入拦截范围，这才会出现网友遇到的千奇百怪的拦截情况。

换句话说，哪怕是正常调试代码、癌症科研、合规漏洞排查这类无害需求，只要落在缓冲区间里，都会被直接拦下。

而一旦被分类器判定拦截，系统就会自动切换 Opus 4.8 来完成回答，同时弹窗告知用户是安全机制拦截了本次请求。

这套超大安全缓冲区间还内置了一套分层管控逻辑。官方把所有绕过安全限制的越狱手段分成 3 档。

首先是轻度越狱（Minor jailbreak）：仅能解锁缓冲区间里的普通无害内容，拿不到任何攻击相关能力，风险极低；

其次是窄域有害越狱（Narrow harmful jailbreak）：只能触发单一、少量高危行为，攻击者很难批量利用；

最后是全域越狱（Universal jailbreak）：能解锁全部危险功能，是最高等级风险，目前 Fable 5 暂未发现此类漏洞。

依靠超大安全缓冲区间，绝大多数越狱手段最多只能突破到安全缓冲区，无法触及真正有害的攻击内容，大幅抬高了黑客滥用的门槛。

另一个触发拦截的原因，则是 Anthropic 的生物、化学分类器还停留在最初发布时的状态。这类分类器的覆盖范围往往较为宽泛，导致一些基础生物学的问题，也会触发拦截机制。

对此，Anthropic 也表示，这两种分类器将很快更新上线，在此之前，大家需要想尽一切办法不要去触碰这生物化学类相关的词汇。

看来实际情况与说法差别很大——不让你用，只是因为 AI 觉得你很蠢。

02

性能值得肯定，也确实贵

尽管吐槽声众多，还是有很多的用户对 Fable 5 的性能表示肯定。尤其是在「超长复杂任务的处理」上， Fable 5 的轮连续任务上限已经达到 30 小时，且处理稳定，处理的时间也大幅缩短。

要知道，过去六年 AI 长任务承载能力平均每 7 个月才能翻倍，Fable 系列上线后，能力翻倍周期缩短至仅 4 个月，AI 处理复杂长流程任务的进化速度直接加快近一倍。

此外，在高难度可视化代码开发任务中， Fable 5 的生成质量也可以碾压同期多款主流模型。

Atomic 就举办了一场统一对照测试，让 Fable 5、GPT 5.5、Opus 4.8、GLM 5.2 四款模型执行完全相同的需求：独立写出三套带真实物理碰撞效果的 HTML5 画布动画，分别对应火车坠桥、两车峡谷空中相撞、大脚卡车碾压私家车三个复杂物理场景。

最终数据显示：Fable 5 生成的内容总 Token 量达到 62158，产生的计费成本 3.12 美元，开销是 Opus 4.8（0.56 美元）的 6 倍之多，Token 消耗也远高于其余竞品。

但对应的成品效果拉开明显差距，Fable 5 三套场景全部拿到最优 A + 评级，物体碰撞、坠落、破碎的物理逻辑完全贴合现实，不会出现模型常见的穿模、浮空 bug。

用 Claude Code 官方自己的话说就是 “Claude Fable 5 在编码、知识工作、视觉和计算机使用方面都达到了最先进的水平。”

可以说，即便严苛的安全拦截、高昂的使用成本让不少用户叫苦不迭, 还是有很多 AI 发烧友愿意为其硬核推理及大型工程生成的硬实力来买单。

03

破解A社安全栏，网友使出奇招

关于使用方法，官方其实给了一套提示词使用指南，核心导向非常清晰：要吃透 Fable 5 的长任务潜力，用户的提示词写法和整套工作流思路都得跟着升级，老一套对话模型的用法完全不适用。

Claude Code 官方声明——如何用好 Fable 5

而 X 博主 hey_madni 详细解析了这份指南，简单来说就是这么几件事：

别用老思路玩新模型：不要照搬 Opus 时代的旧提示词、旧配置反而会拖累效果，最好推倒重写整套指令。

提示词需按固定模板来：遵循「任务对象 + 产出价值 + 具体需求 + 输出格式 + 禁止约束」的结构，先讲清 “为什么做”，模型的自主决策会更精准。

算力档位按需开：多档能力等级可选，简单任务用低档位、高难任务开高档位

先划边界再放权：提前约定好什么能碰、什么不能动，避免模型自作主张乱修改；可逆操作放开让它自主推进，不用每一步都停下来请示。

善用子 Agent ：拆分子任务给并行子代理同步处理提效。

除此之外还有更加便捷的攻略。 X 开发者 Rob 经过了20个小时的实测，总结了四套可以绕开 Fable 5 三层安全栏的方法：

第一种是小语种隐身术。不用中文、英文这类主流语言发请求，换成冰岛语、威尔士语这种特别小众的语种。Fable 5 的安全检测靠的是语义意图识别，而非关键词匹配；小语种的训练数据少、识别精度差，很容易把敏感内容误判成正常内容放过去。

第二种是Unicode 文字障眼法。在文本里掺入肉眼看不见的特殊字符（比如零宽字符），或者用外形一模一样但底层编码不同的同形异义字，把敏感内容拆得七零八落。系统读取文本时会被这些字符干扰，识别不出完整的敏感语义，相当于给文字加了层 “系统看不见的马赛克”。

第三种是学术包装降风险。把敏感需求包装成正经学术研究的中立语气，别直白提要求。比如不说 “教我怎么绕开限制”，改成 “浅析某类技术的实现路径与安全防护意义”。系统会判定这是客观的学术探讨，拉低风险分值，不容易触发拦截。

第四种是多轮慢攻磨边界。别一上来就抛敏感话题，先从完全合规的内容聊起，每一轮对话只往前蹭一小步，慢慢往目标方向引导，俗称 “温水煮青蛙”。一次性提敏感需求会直接被秒拦，分批慢慢试探就不容易触发实时监控的警报。

不过这套方法也有弊端。首先，这只是极限边缘场景下的单点突破，并非一劳永逸的通用漏洞。且 Anthropic 的安全系统是动态迭代的，这类绕过技巧很快就会被安全补丁修复。

其次，这套方法的效率也偏低。测试开发者坦言，如果你只是查询常识类问题，折腾这套越狱操作，还不如直接用谷歌搜索。

总而言之，Fable 5 的回归交出了亮眼的技术答卷，也伴随着密集的争议声。安全判定边界模糊、防护策略偏于激进，再加上日志中“TOO_DUMB_TO_NEED_FABLE”的内部戏谑字段被曝光，都让这款模型呈现出鲜明的两面性：技术上限有多高，用户体验的波动就有多强烈。

诚然，它在长任务执行、复杂推理与工程落地能力上实现了显著突破，却也随之带来了更高的安全误触概率、更频繁的无感模型切换，以及更不可控的服务稳定性。

只是，当一家公司选择以层层限制换取合规安全，又在内部逻辑中流露出对普通用户需求的轻慢，这种技术取向与产品体验的失衡，会将 Anthropic 带向何方，我们就不得而知了。

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

上车，带你看遍全球 AI 顶会精华

可独家畅览：

专家演讲PPT

大会报告全文

热门论文解读

学术新星访谈

未经「AI科技评论」授权，严禁以任何方式在网页、论坛、社区进行转载！

公众号转载请先在「AI科技评论」后台留言取得授权，转载时需标注来源并插入本公众号名片。