🚨 頂級模型Fable 5竟「偷偷私自降級」
Anthropic 隱藏式保護機制 惹用戶不滿
近日不少Claude Fable 5用戶發現，明明用著Anthropic最強的最新模型，回應品質卻突然變差，一查才知道系統早已悄悄把請求轉交給能力較弱的舊款模型Claude Opus 4.8。這種用戶不知情下被降級的情況，源自Anthropic為Fable 5設下的保護機制，而這套機制的運作方式，遠比想像中複雜。
🔄 一套會「自動換人」的系統
Fable 5是當今最頂尖的AI模型，能力越強，破壞力也越大，一旦被用於作惡，影響範圍相當廣泛。正因如此，Anthropic為它設下一套嚴格的把關程序：每當用戶提問，系統會先評估內容是否涉及網絡攻擊、惡意程式撰寫、生物化學武器、模型蒸餾等敏感範疇。如果評估結果偏高風險，Fable 5不會像過去般直接拒答，而是悄悄把問題轉交給較保守、能力較弱的Claude Opus 4.8處理。
用戶看到的往往只是一句普通回應，並不知道背後已經「換了人」作答。Anthropic披露，這種換人情況平均只發生在少於5%的對話中，即絕大部分時間，用戶用的都是貨真價實的Fable 5。這套機制設計得相當隱形，正常用戶大多不會察覺，只有極少數提問會觸發這道隱藏關卡。
🛡️ 攔截率逾99%，但也誤傷正常用戶
Anthropic表示，這套新版機制對外界曾回報的特定攻擊手法，攔截成功率超過99%。不過代價是系統寧枉不縱，連完全無害的提問也可能被誤判為高風險而觸發降級，包括正常的程式編寫及除錯提問。
據國際知名網上科技傳媒 The Register報道，它在實測時發現一個極端例子，Fable 5甚至對一句簡單的「hello」也產生誤判攔截。可見系統把關的準則相當敏感，並非只針對惡意內容，任何觸及敏感字眼或話題邊緣的提問，都可能被先攔下再算。
🔍 判斷準則：看內容，不看動機
值得留意，這套系統判斷的依據，純粹是提問內容本身的風險評分，而非嘗試推敲用戶背後的意圖。有分析指，系統其實根據提問內容在語意上與已知高風險話題的接近程度打分，只要話題踩過界，即使提問者本意良善，也可能中招。
這也解釋了為何無心之失的用戶也可能撞上降級，系統看的是你問了什麼，而不是你想幹什麼，因此無法完全區分善意提問與惡意試探。
🔐 與姊妹模型Mythos 5的分工
Fable 5其實還有一個能力全開、不設保護限制的雙生版本，名為Mythos 5，但這款模型並非人人可用，僅限通過Anthropic Project Glasswing審核的網絡防禦機構及美國政府單位使用。一般公眾接觸到的Fable 5，永遠只會是設有保護機制的版本，確保最強能力不會毫無限制地流出到市場。
————
👇 相信「AI × 數碼營銷」是未來的你，
歡迎 Tag 一位同行好友，一起成長！
#AIMarketerHK #DigitalMarketing #claude #fable5 #mythos5
