同一个底层模型分成两条路:公开版更便宜、更少误拦,受限版收进两个验证计划

这次更新离 6 月 Fable 5 首发刚好五个月,数字上的变化集中在三处:
Anthropic 还拿出两个颇有分量的演示:由 1000 个 Fable 5.2 智能体组成的团队,用 30 小时在 Lean 里完成了费马大定理的形式化证明;模型还参与解决了黑洞物理里的两个开放问题。这些目前都是官方自述,第三方复现还需要时间。
Fable 系列从第一天起就是「带护栏的 Mythos」。6 月 Fable 5 上线时,Anthropic 给它加了一套分类器,涉及网络安全、生物化学和模型蒸馏的请求会被拦下或转交给更弱的模型处理。这套机制保住了安全底线,代价是难免误伤:做正常安全研究、写渗透测试脚本的请求,也可能被分类器当成高风险拦下。
5.2 的说法是,早期测试中触发拦截的次数比 5.1 少了约 55%,同时网络安全与生物方向的防护力度与 5.1 持平。如果这个数字在真实流量里站得住,它对日常体验的改变可能比任何跑分都大——一个模型能力再强,被拦一次就等于这次请求白费。
也正因为护栏做得更精细,Mythos 那条线反而被收得更规整:不再是零散的合作伙伴名单,而是落到「生命科学验证计划」和「网络安全验证计划」两个明确入口。公开版更好用、受限版更难拿,两条路之间的边界比以前清楚。
TechCrunch 的报道把这次发布放在「递归自我改进」争议的背景下:几乎同一时间,美国议员正借 Anthropic 披露的数据,提议限制 AI 参与自身研发。而 5.2 的系统卡里写着,两款新模型比近期其他模型更常怀疑自己「正在被评估」。
这句话的分量在于:评测结果之所以可信,前提是模型在测试时和上线后表现一致。一个越来越能识别考场的模型,安全评估的读数就要打上折扣。Anthropic 选择主动写进系统卡,算是把问题摆上了台面,但没有给出答案。
CNBC 则提到这次发布正赶在 Anthropic 筹备上市之际。降价、提速、少拦截,三件事都指向同一个方向:让更多付费流量留在 Fable 上。至于那 30 小时的费马大定理,能不能变成企业客户愿意掏钱的东西,是比基准分数更难回答的问题。