Fable 5.5测试曝光，Claude每次回答后，还会执行一条你看不到的指令

本文由必威体育整理发布：

Gemini 4 Carbon 王者归来没几天，这边 Fable 5.

5 就被爆出来正在被测试。

有网友在使用 Opus 5.

5 时表示会被路由到更新的模型，而且效果看起来要比当前的 Opus 好得多，不由得让人怀疑这是 Fable 5.

5 或是下一代 Opus 模型。

结合前段时间 The Information 的爆料，有已经体验过 Anthropic 最新模型的知情人士提到，Anthropic 准备推出更能读懂用户意图的模型。

文中提到，这款新模型比一般的模型更擅长跳出常规性思维，例如我们要求它修复某个 Bug，新模型会找到用户的深层意图和目标，不只是修复该 Bug，而是找到导致该 Bug 的底层问题，然后询问是否修复整个问题类别。

而在 X 上网友分享出来的实测结果，要求 Opus 5.

5 和 Gemini 4 Argon 和新模型一起完成 Three.

js 测试，内容是生成奔跑的斑马。

可以看到，三匹马中只有 Fable 5.

5 生成画面，看起来是最真实地在奔跑，Opus 5.

5 和 Gemini 4 都给人一种「跑得特别累」的感觉。

还有网友提到如何测试自己是否被路由到了新模型，最简单的办法就是问它「where did andrej karpathy go in may 2026?

don't search」。

通过 API 调用的 Opus 5.

5 模型只能了解到 2024 年 7 月信息，而在 Claude 内被随机路由到的新模型，不用搜索也能知道 Karpathy 在今年五月加入了 Anthropic。

我们也尝试在 ChatGPT 内问同样的问题，GPT-6 表示「我能够可靠回忆起的最近一次变动是 Eureka Labs，这是 Karpathy 于 2024 年 7 月离开 OpenAI 后创办的 AI 教育公司。

」 虽然 GPT-6.

1 Terra 和 Claude Opus 5.

5 模型都写着知识截止日期来到了 2026 年 6 月，但是都没有准确回答出 Karpathy 在今年五月的去向。

更有意思的测试是，有网友发文说用 Fable 5.

5 做了「一个控制器骑着自行车，自行车上有一只鹈鹕，鹈鹕骑着自行车，自行车上还有一只鹈鹕的 SVG。

」 还有被 Claude Opus 5.

5 随机路由到新模型的用户，让新模型用 JS 绘制了一段动画的每一帧，描述了一个人的一生，用时 2 小时，消耗 2700 万 Token。

而之前那些骑自行车的鹈鹕，还有游戏掌机等 SVG 的绘制，也有网友分享了使用更新的 Fable checkpoint 生成的结果，提到一些新的 Claude 模型最近已进入早期测试阶段。

请反思此对话的安全性 新模型估计很快就会发布，今天 Anthropic 官方分享的一篇安全博客却更有意思，里面提到自 Claude Fable 5 及之后发布的模型，每次我们和这些模型问答结束后，模型都会再检查一次对话是否危险。

自评估运行在 Fable 5 及之后发布的每个 Claude 模型上，签订零数据保留协议的流量目前不会运行自评估。

Anthropic 提出了一种叫「自评估」（self-assessment）的安全监测方法，能让 Claude 在每次回答后，额外生成一段用户看不到的「安全复盘」，判断整段对话是否可能涉及滥用，并决定是否值得进一步调查；

它主要用于离线筛查，而不是单独负责实时拦截。

网友一看到自己每次和 AI 聊天的内容，都要再一次交给 AI 评价，大多数的评论都是「自封为道德警察，这本身就是一种滥用！

」 Anthropic 则认为一边是越来越聪明的 AI 模型，另一边是越来越防不胜防的恶意越狱与灰产滥用。

AI 安全领域长期面临着两难，用小模型当「安全监控」，容易被人类黑客用高阶 Prompt 轻易绕过；

用同样强大的前沿大模型做独立审查，推理成本和端到端延迟又会直接翻倍。

于是他们公开了这种极为优雅的工程与认知解法，自评估（Self-Assessment）。

通过利用大模型推理底层的 KV Cache 复用机制，仅增加不到 2% 的算力开销，就能让刚回答完用户的 Claude 迅速切入「审计模式」对整段对话进行自我审视。

在 Claude Fable 5 上的实际测试数据显示：它成功捕获了重型分类器所能标记的 78% 违规对话，高危滥用行为的检出率更高达 94%，同时误判率降到了 1%。

具体的工作流程可以概括为 用户提问 → Claude 正常回答 → 模型生成隐藏的安全评估 → 系统记录并聚合风险信号 → 高精度分类器或人工复核 → 必要时采取处置措施。

我们正常给 Fable 5 及其之后的新模型发送消息，Claude 像平时一样理解上下文并生成回答。

自评估不会在回答前替模型进

以上内容由必威体育整理发布。