2026 年 6 月 12 日，美國政府對 Anthropic 最新模型 Claude Fable 5 與 Mythos 5 實施出口管制，迫使 Anthropic 暫停所有用戶的存取。6 月 30 日管制解除，7 月 1 日起 Fable 5 恢復全球供應，Mythos 5 則先開放給特定美國組織。這起事件不只是政策轉折，更暴露了 AI 安全評估缺乏業界共通的嚴重度標準，Anthropic 因此與 Amazon、Microsoft、Google 聯手推動一套越獄評估框架。
事件時間線：從出口管制到恢復存取
Anthropic 在 6 月 9 日推出 Fable 5 與 Mythos 5，兩者共用相同底層模型，但 Fable 5 帶有較強的安全防護，Mythos 5 則僅提供給 Glasswing 計畫的少數合作夥伴，用於防禦性網路安全。6 月 12 日，政府因 Amazon 研究人員發現繞過 Fable 5 防護的方法而實施出口管制，Anthropic 因無法即時驗證使用者國籍，只能全面暫停存取。
Anthropic 與政府及 Amazon 合作審查後確認，許多較低能力的模型（如 Claude Opus 4.8、GPT-5.5、Kimi K2.7）也能識別相同漏洞，且所有測試模型都能產出同樣的漏洞利用示範。換言之，該技術並未暴露 Mythos 等級的獨特網路能力，僅是 Fable 5 安全邊際內的邊界案例。Anthropic 訓練了新的安全分類器，阻擋該報告描述的特定行為，並在超過 99% 的情況下成功攔截。
安全分類器的運作與取捨
Anthropic 在 Fable 5 上應用了「縱深防禦」策略，其中關鍵是安全分類器——在互動過程中偵測潛在有害的網路安全任務，並阻擋模型回應。分類器刻意設定較大的「安全邊際」，即使請求可能無害，只要有一點風險就會被阻擋，這導致許多合理請求被拒絕，但能更確保有害行為不會漏網。
對產品開發者而言，這代表使用 Fable 5 時可能遇到更多誤擋，尤其是在例行編碼或除錯時。Anthropic 承認新分類器會更頻繁地標記良性請求，並表示會持續調整以減少誤判。這種「寧可錯殺」的取捨，反映了安全與可用性之間的張力，也是開發者在整合這類模型時必須納入考量的因素。
業界共通的越獄評估框架
目前 AI 業界缺乏客觀描述越獄嚴重度的共識，導致開發者難以排定處理優先順序，政府也缺乏行動依據。Anthropic 與 Amazon、Microsoft、Google 及其他 Glasswing 夥伴合作，開始制定一套評估框架，將越獄分為輕微（僅解鎖特定行為）、狹窄有害（解鎖特定有害行為）、以及通用（解鎖一整類有害行為）等層級。
這套框架有助於開發者更系統性地評估新發現的越獄技術，也能讓政府與產業夥伴用一致的語言溝通風險。對產品團隊來說，這意味著未來在評估模型安全性時，可能會有更明確的標準可循，而非依賴個別公司的內部判斷。
對產品開發者的啟示
這次事件凸顯了幾個實務重點。首先，模型供應可能因政策而中斷，開發者應準備替代方案，例如 Anthropic 在 Fable 5 被阻擋時會將請求轉送至 Opus 4.8。其次，安全分類器的誤擋會影響使用者體驗，產品設計時需考慮如何優雅地處理這類拒絕。最後，越獄評估框架的建立，將有助於整個產業更透明地溝通風險，但框架仍在發展初期，實際應用還需觀察。
對正在評估是否採用 Fable 5 的團隊，建議先測試其安全邊際對自身工作流程的影響，並追蹤 Anthropic 後續對分類器的調整。這起事件也提醒我們，AI 模型的部署不只是技術問題，更牽涉法規、安全與產業協作，產品開發者需要具備更全面的視野。
參考來源
本文由 AI 協助自上述來源整理，經人工審核後發布。