7月1日消息，當地時間周二，Anthropic宣布恢復Claude Fable 5訪問。公告里的新信息不止模型重新上線：公司第一次系統解釋，什么樣的AI越獄應被視為嚴重風險。

Anthropic在官網發布長文稱，美國政府已解除對Claude Fable 5和Claude Mythos 5的出口管制。Fable 5將從7月1日起重新面向全球用戶開放，覆蓋Claude Platform、Claude.ai、Claude Code和Claude Cowork。Pro、Max、Team和部分Enterprise用戶在7月7日前可把Fable 5用于最多50% 的每周使用額度；之后將通過用量積分繼續使用。Anthropic還稱，將盡快在AWS、Google Cloud和Microsoft Foundry上重新啟用訪問。

Mythos 5則已在美國政府6月26日批準后，先向一批美國機構恢復訪問，并將繼續與政府協調，擴大到Glasswing項目中的更多國內和國際合作伙伴。

如果只看結果，這像是一場模型下架風波的收尾。但Anthropic這篇文章的重點其實在后半段：它想把 “AI模型越獄到底有多嚴重” 變成一套行業評分標準，并把前沿模型發布納入更深的政府預發布測試。

為什么一份越獄報告會讓模型下架

這場風波始于6月12日。

Anthropic稱，美國政府當天對Fable 5和Mythos 5實施出口管制，要求限制外國國民訪問這兩款模型。這里的外國國民不只包括美國境外用戶，也包括在美國境內的非美國國民。由于指令立即生效，而Anthropic無法實時核驗每個用戶的國籍，公司最后選擇暫停所有用戶訪問。

政府介入的直接導火索，是一份來自亞馬遜研究人員的報告。報告稱，研究人員找到一種繞過Fable 5安全防護的方法，讓模型識別出若干軟件漏洞；其中一個案例里，模型還生成了演示如何利用漏洞的代碼。

Anthropic的反駁很明確：這不是Fable 5突然釋放出獨有的高級攻擊能力。

公司稱，自己復測后發現，Claude Opus 4.8、GPT-5.5、Kimi K2.7等較低能力模型，也能識別同樣漏洞；在生成單個漏洞利用演示時，Haiku、Sonnet、Opus、GPT和Kimi的多個版本也能給出類似結果。Anthropic認為，這更像是Fable 5安全分類器里的一個邊界案例，而不是Mythos級別網絡攻擊能力外泄。

換句話說，爭議核心不是 “模型有沒有風險”，而是：一個繞過技巧到底嚴重到什么程度，是否足以讓政府要求模型停服。

新防護能攔99% 以上，但代價是誤傷

為了恢復訪問，Anthropic訓練了新的安全分類器，專門攔截亞馬遜報告中的繞過行為。公司稱，新分類器能在超過99% 的情況下阻止相關技巧；如果Fable 5請求被攔截，系統會把請求轉給Claude Opus 4.8處理。

美國商務部下屬的AI標準與創新中心也測試了Anthropic的新舊防護。

但這不是一個 “修好就完事” 的問題。Anthropic承認，新分類器會讓日常編程和調試任務中更多良性請求被誤判。也就是說，用戶正常做安全研究、漏洞分析或代碼調試時，可能更容易碰到拒答。

這才是前沿模型安全的難點：廠商既要證明模型不會被輕易拿去做攻擊，又不能把正常開發者和安全研究人員擋在門外。Fable 5的恢復，實際上是一次能力、可用性和政策風險之間的重新平衡。

Anthropic想給AI越獄分級

這篇文章最有價值的部分，是Anthropic提出的 “AI越獄嚴重程度框架”。

Anthropic認為，現在行業缺少統一標準。每次有人發現新的繞過方法，廠商不知道該多快修，政府也缺少一致尺度判斷是否該介入。

它提出用四個維度判斷一個越獄是否嚴重：能力增益、能力范圍、武器化難度和可發現性。

這個框架的意義在于，它把 “AI越獄” 從一個容易引發恐慌的詞，拆成了可以排序、可以處置的問題。一個只能觸碰安全邊界、還需要很多技巧才能復現的越獄，和一個一兩句提示就能穩定解鎖危險能力的越獄，不應該被同等對待。

Anthropic正在與亞馬遜、微軟、谷歌和其他Glasswing合作伙伴起草一套框架。它建議從四個維度給越獄風險打分：

第一，能力增益。越獄后，模型能不能做出現有公開工具和較弱模型做不到的事情。如果只是達到其他工具已有能力，風險較低；如果能顯著加速專家級攻擊，風險就高。

第二，能力范圍。同一種越獄方法，是只能解鎖一個很窄的任務，還是能覆蓋多類攻擊目標和技術路線。

第三，武器化難度。把這個越獄轉成真實攻擊，需要多少人工努力、提示技巧和反復嘗試。如果一兩次提示就能穩定成功，風險更高。

第四，可發現性。這個方法是需要專業知識才能找到，還是已經在網上廣泛傳播。

這套框架的意義在于，它試圖把 “AI越獄” 從籠統恐慌，拆成可溝通、可排序、可修復的問題。以后模型被發現漏洞時，廠商和政府可以先判斷：這是低風險邊界案例，還是必須立即部署緩解措施的高危越獄。

Anthropic還計劃推出新的HackerOne項目，讓安全研究人員提交Fable 5潛在網絡安全越獄案例。

前沿模型發布以后更難 “只按產品節奏走”

Fable 5這次恢復訪問，也說明前沿模型發布正在多一層外部變量。

Anthropic表示，對涉及國家安全相關前沿能力的模型，將向指定美國政府伙伴提供更早訪問權限，讓政府在廣泛發布前測試模型和配套防護；當出現重要越獄或濫用模式時，也會更快向政府共享信息；同時投入專門團隊和算力，參與AI安全評測與研究。

這意味著，前沿模型不再只是 “訓練完成、評測通過、上線銷售”。越靠近網絡安全、生物安全、國家安全這些高風險能力，模型發布越可能進入政府預審、信息共享和風險協商流程。

對用戶來說，Fable 5恢復訪問是好消息。但對企業客戶來說，這件事留下的提醒更現實：最強模型的可用性，不只取決于能力、價格和接口，也取決于政策狀態。一款模型即使已經上線，也可能因為安全爭議突然暫停，再通過補防護、復測和政府協調恢復。

對Anthropic來說，這次復盤既是在解釋下架原因，也是在爭奪話語權：公司希望外界相信，Fable 5不是失控模型，而是一個被過度謹慎處理的邊界案例；同時，它也希望把行業焦點從 “模型能不能被越獄” 轉到 “越獄嚴重程度該怎么判斷”。

所以，這篇公告表面上是在宣布Fable 5重新上線，實際上是在給前沿模型行業立一套新問題：AI越獄該怎么分級，政府該什么時候介入，模型公司又該怎樣證明自己既能放出能力，也能管住風險。（易句）

（本文由AI翻譯，網易編輯負責校對）