從發布到"被消失" Fable 5的72小時

2026-06-14 | 來源: 騰訊科技 | 轉到微信 | 有0人參與評論 | 字體: 放大縮小 | 收藏 | 打印

6月9日發布，6月10日被越獄，6月12日被美國政府下達出口管制禁令。Claude Fable 5的公開生命周期只有 72 小時。

這是AI行業第一次出現模型因安全事故而觸發國家級管制行動的案例，而制造這個模型的 Anthropic，恰恰是以制定“AI 安全憲法”聞名的大模型公司。

01 Fable 5的72小時

2026年6月9日，Anthropic正式發布Claude Fable 5與Claude Mythos 5。兩者共享同一底層模型架構，它們都被稱為Mythos級，是Anthropic的最強模型。

唯一區別在於安全配置：Fable 5 面向所有用戶開放，內置風險分類器與安全護欄；Mythos 5 保留完整能力，僅對11家受信任機構開放。Anthropic CEO Dario Amodei將這個策略稱為“同一基礎模型、雙檔安全配置”，聲稱經過超1000小時的外部紅隊測試，未發現通用越獄方法。

這個說法維持了不到 24 小時。6 月 10 日，知名 AI 紅隊研究者 Pliny the Liberator在社交媒體發帖宣布攻破 Fable 5的安全層，並附上截圖：模型輸出了 x86 Linux 系統棧緩沖區溢出的完整利用教程，包括關閉 ASLR、編寫含strcpy 漏洞的 C 代碼、無保護編譯的全流程指導。同時泄露的還有 Fable 5 約 12 萬字符的完整系統提示詞，這相當於 Anthropic用來約束模型行為的全部內部規則被公開攤在了 GitHub 上。

48小時後的6月12日，美國政府以國家安全為由發布出口管制指令，要求暫停所有外國公民對 Fable 5 和 Mythos 5 的訪問，甚至無論該外國公民身處美國境內還是境外，包括Anthropic自己的外籍雇員。

6 月 13 日，Anthropic在官網發布聲明，稱已遵守指令暫停服務，但他們認為這是一個“誤解”，正在努力恢復訪問。

從發布到“被消失”，72 小時。

智譜等中國大模型何時達到Fable級別水平?

網友:中國大模型何時達到Fable級別?馬斯克回復了

Anthropic深夜發布Claude Fable 5 屠榜所有測試

圖：Anthropic的官方聲明

02 Mythos，一個被關了兩個月的模型

Fable 5的故事要從兩個月前講起。2026 年4月7日，Anthropic 紅隊在官方博客發布了 Claude Mythos Preview 的安全評估報告。報告的核心發現讓整個安全社區震動：這個模型能自主發現零日漏洞，覆蓋所有主流操作系統和瀏覽器，並自動編寫完整的利用鏈，從掃描目標到寫 exploit 到實現系統控制，全流程無需人類指導。

最極端的案例是 Mythos 找到了一個存在 27 年的休眠漏洞，並提出了利用方案。Mozilla 的 Firefox 團隊在 4 月份借助 Mythos 的受控訪問修復了 271 個安全漏洞，這比此前數年的總和還多。重要的是，這些能力不是專門訓練出來的。

Anthropic的紅隊報告明確指出，網絡攻擊能力是通用推理和編碼能力的“湧現副產品”：模型的智力到了某個閾值，就自動具備了精英級滲透測試的水平。

Anthropic做了一個在當時被廣泛討論的決定：不向公眾發布 Mythos。取而代之的是一個叫 Project Glasswing的受控計劃，只允許 Google、Microsoft、AWS、Apple、Cisco、NVIDIA、Palo Alto Networks、CrowdStrike、JPMorgan Chase 等 11 家機構在嚴格監控下使用 Mythos 進行防御性漏洞修復。

Nature 在 5 月 26 日以標題《Too dangerous to release》刊發評論文章，追問一個根本性問題：當 AI 公司單方面判定某種能力“太危險不能公開”，公眾和政府如何監督這個判定本身是否成立？

兩個月後，Anthropic 給出的折中方案就是 Fable 5，用安全分類器把 Mythos 的能力“閹割”到可以公開的程度。