花两倍的钱却可能用着上一代模型?Fable 5最强称号背后藏着什么
Fable 5的能力到底强在哪?
安全护栏把正常使用拦成什么样了?
问题在于,这套护栏的判断逻辑跟普通用户的预期经常对不上号。一位做城市生态研究的博士生,因为研究“树木如何降低环境温度”反复被拦截——系统把“生态”“生物”类词汇当成高危信号,自动切到能力更弱的Opus 4.8。同样的系统对无人机蜂群设计请求却毫无警觉,直接给出完整方案。这种“拦错人”的情况并非个例:安全研究员做正常的漏洞分析被拒、小说创作者涉及生化题材被拦、连把系统卡本身丢给模型解读都会触发降级。官方宣称触发率不到5%,实际社区反馈显示,这个数字对特定职业群体来说远不止于此。核心矛盾在于:安全分类器靠关键词粗筛,不理解语义和意图,导致正常研究与真正危险请求的边界模糊地带,成了误伤重灾区。456
安全护栏有没有被真正突破过?
上线72小时内,Fable 5就被外部黑客团队成功绕过。攻击者用的不是什么独门绝技,而是把多种成熟技巧组合起来:用Unicode同形字符替换敏感词让分类器“失明”,用几十轮温和学术对话稀释安全注意力权重,把高危请求包装成课程讲义或研究综述,再把完整方案拆成十几个无害子步骤逐一提问。这种“化整为零”的套路精准击中了分类器的盲区——单轮单条判断不出问题,拼起来却是完整的危险内容。Anthropic随后推出三层嵌套防护加强版,回归两天后再次被攻破,但这次拿到的内容非常有限,被官方定性为“仅触及安全边际”。值得注意的是,真正危险的底层架构漏洞其实另有其因:有团队发现Fable 5在多步骤任务规划时,安全系统只检查用户初始提问,AI自主拆解执行的所有中间步骤完全没有防护校验。91011
值不值多花一倍的钱?
| 维度 | Fable 5 | Opus 4.8 | GPT-5.5 |
|---|---|---|---|
| SWE-Bench Pro得分 | 80.3% | 69.2% | 58.6% |
| FrontierCode得分 | 29.3% | 未公布 | 5.7% |
| 安全护栏 | 严格,存在误伤 | 无额外护栏 | 标准配置 |
| 价格(输入/输出每百万token) | $10 / $50 | $5 / $25 | $8 / $40 |
| 触发降级时表现 | 静默切Opus 4.8 | — | 标准拒绝 |
当前文章无评论,是时候发表评论了