Fable 5 生物安全机制升级，误拦截减少85%

Anthropic 宣布对 Claude Fable 5 的生物安全防护机制进行更新，大幅减少误报。此次更新后，用户在提出生物学相关查询时，遇到的“回退”（指系统切换到能力较弱的模型）数量显著下降。在测试中，生物学相关的回退在各类产品界面中减少了约 85%。Fable 5 将能处理更广泛的生物学任务。

在实际使用中，用户在日常生活和教育类问题（如解读化验结果、理解症状、学习生物学知识）上遇到的回退明显减少。医疗专业人员也能在临床任务中获得更多来自 Fable 5 的支持。

Anthropic 认为，AI 对世界产生积极影响的最大机会在于生物学和医学领域，并正在大力投资，以负责任的方式为生物学家提供前沿能力。目前，对于被视为“双重用途”的请求（包括病毒学、毒理学和分子设计），Fable 5 仍会回退到 Opus 5，因此它还无法用于专业生物学研究和药物开发。Anthropic 表示，将通过可信访问途径缩小这一差距。

为什么建立强大的生物安全防护

Anthropic 的目标是让尽可能多的用户尽快用上 Fable 5 的前沿能力。但要做到这一点，就需要管理更强大模型带来的风险。在生物学领域，Fable 5 在一些高度复杂的生物学任务上已经能超越专家，并能为其他任务提供操作支持。这意味着它能为研发新疗法的研究者提供真正的帮助（这也是 Anthropic 希望通过改进分类器和可信访问计划扩大模型使用范围的原因）。但若落入不当之手，这些能力可能被恶意行为者利用，例如用于开发生物武器。Anthropic 的能力评估显示，Fable 5 可能为这类行为者提供显著的“助益”，即提供他们在其他地方无法获得的能力。

区分 AI 在生物学中的有益和有害用途往往很困难。例如，研究某种疾病的治疗方法，有时需要科学家首先生产出导致该疾病的危险化合物。这在活疫苗中最为明显——科学家需要培养他们想要预防的病原体。某些药物也是如此。为了开发治疗高血压的卡托普利，科学家分离了毒蛇毒液中会降低人体血压的有毒成分。随着 AI 前沿生物学能力的不断发展，我们需要保持警惕，确保新风险不会先于其潜在科学效益而实现。

老练的恶意行为者知道如何利用这种模糊性来掩盖意图，让危险任务看起来像普通研究。美国情报界2026 年度威胁评估明确指出，此类行为者确实存在，生物技术（包括合成生物学和基因组编辑）的进步“可能导致新的生物威胁”。报告还指出，多个国家行为体可能维持着进攻性生物和化学武器计划——这些计划可能因获得前沿 AI 模型的原始能力而加速。

由于对“双重用途”能力（可用于有益或有害目的，且界限不易划定）的担忧，Anthropic 在发布 Fable 5 时有意屏蔽了几乎所有生物学查询。这让模型能为其他领域的用户所用。Anthropic 知道这会让合法的生物学用户感到沮丧：短期内会出现大量误报，用户提出生物学相关问题时会遭到拦截并被移交到能力较弱的模型。但他们选择了这种权衡，因为 Fable 在双重用途领域（如生物学）被滥用的代价可能是灾难性的。

生物学安全防护如何工作

保护生物安全的核心手段之一是安全分类器：更小型的自动化 AI 系统，用于检测 Fable 5 是否被要求执行受保护生物学任务，或可能产生有害输出。Anthropic 此前曾撰文介绍过其在网络安全领域的类似分类器。

当分类器被触发时，模型会将用户请求重新路由到 Opus 5——一个不具备与 Fable 5 同等生物学能力、也无法为恶意用户提供同等帮助的模型。这正是用户请求被拦截时看到的回退。

开发精准而稳健的分类器并非易事。分类器要快速稳定地运行，必须学会区分我们认为“范围内”和“范围外”的主题和查询（涉及潜在危害的）。调整分类器需要时间和反复迭代，既要避免误报（对无害内容触发），也要避免漏报（错过有害内容）。同时，分类器还必须对绕过行为（即越狱）具有鲁棒性，这需要更多的研究和测试。

从非常宽泛的生物学分类器起步，意味着可以在继续研究完善分类器的同时，让用户使用 Fable 5。另一种选择——在安全防护取得更大进展前暂缓发布模型——会将其通用访问时间及潜在用户价值推迟数周或数月。

过去几周，Anthropic 仔细重写了分类器的“准则”（一系列帮助模型区分受保护和允许内容的规则），并具体列出了良性用途。他们征求了多位专家的反馈（包括内部和外部专家），据此更新训练数据、重新训练分类器，并验证新分类器仍能对有害和双重用途的研究内容触发，同时允许更广泛的良性用途。

如下方示意图所示，与 Fable 5 发布时相比，此次更新后，分类器对良性生物学相关请求的触发次数大幅减少。

（图中说明：左侧为允许内容，右侧为受保护内容（被拦截并移交到能力较弱的模型）。明显有害内容（红色）和双重用途内容（橙色）会触发分类器并被拦截。安全边际中包括极可能良性但仍出于谨慎而被拦截的内容（浅绿色），深绿色为明确良性内容。Fable 5 刚发布时，分类器非常宽泛（A），大量请求被触发，包括几乎肯定良性的请求，边界因此位于最左侧。今天的更新（B）让更多良性请求被允许，分类器区分良性查询与双重用途查询的细微差别能力更强，边界也进一步右移。）

结论

安全防护的完善仍有大量工作要做。不可避免地还会存在误报——即落在分类器安全边际内的低风险请求被触发。如前所述，由于潜在的双重用途风险，Fable 将继续阻止专业生物学和药物开发查询。Anthropic 完全致力于通过可信访问渠道，为研究人员开发一条安全、可扩展的使用最强大模型的路径。

Anthropic 希望用户继续反馈意见，以便进一步改进安全防护。

此外，由于此次更新，预计总回退（无论是否与生物学相关）也将减少：Claude.ai 减少约 67%，Cowork 减少 55%，Claude Code 减少 17%，Claude 平台减少 7%。