Claude Fable 5: Bị chính phủ Mỹ cấm chỉ sau 3 ngày, rồi được khôi phục – Hành trình 18 ngày làm rung chuyển ngành AI

Vì Anthropic không thể phân biệt đáng tin cậy giữa công dân nước ngoài và người dùng nội địa trong thời gian thực, họ đã vô hiệu hóa cả hai mô hình cho tất cả khách hàng trên toàn thế giới vào ngày 13 tháng 6 .

Điều gì đã kích hoạt lệnh cấm?

Nguyên nhân trực tiếp là một vụ tấn công 'jailbreak' được báo cáo bởi các nhà nghiên cứu tại Amazon và một số công ty khác, những người bị cáo buộc đã trích xuất được thông tin hữu ích cho việc tiến hành các chiến dịch an ninh mạng tấn công – điều mà chính phủ coi là mối đe dọa an ninh quốc gia . Theo đánh giá nội bộ của Anthropic, câu lệnh kích hoạt lệnh kiểm soát xuất khẩu thực chất là một yêu cầu kiểm toán bảo mật mã nguồn tiêu chuẩn – một khả năng mà Anthropic cho rằng đã tồn tại trong GPT-5.5 của OpenAI và các mô hình tiên tiến khác .

18 Ngày Đình chỉ

Lệnh kiểm soát xuất khẩu đã được dỡ bỏ vào ngày 30 tháng 6 năm 2026, kết thúc 18 ngày đình chỉ . Fable 5 được khôi phục cho người dùng vào ngày 1 tháng 7 trên Claude.ai, API Claude Platform và các gói doanh nghiệp . Lá thư của Bộ Thương mại vẫn bảo lưu quyền tái áp đặt kiểm soát nếu các cam kết về an toàn của Anthropic không được thực hiện .

Câu chuyện lớn hơn: Một khuôn khổ đánh giá mức độ nghiêm trọng của Jailbreak

Sự kiện Fable 5 không chỉ dừng lại ở việc khôi phục mô hình – nó đã buộc phải tạo ra một khuôn khổ chung cho toàn ngành để đánh giá mức độ nghiêm trọng của các cuộc tấn công jailbreak AI. Anthropic thông báo họ đang hợp tác với Amazon, Microsoft và Google (cùng với các đối tác Project Glasswing khác) để xây dựng một bảng đánh giá (rubric) chung . Các đặc điểm chính:

• Nó đánh giá mức độ vượt rào, những khả năng nào đã bị truy cập, mức độ có thể lặp lại của cuộc tấn công và liệu hành vi bị lộ có dẫn đến hậu quả thực tế nào không .
• Nhà Trắng cũng tham gia vào việc đàm phán các tiêu chuẩn kỹ thuật để phân loại mức độ nghiêm trọng của jailbreak như một phần của thỏa thuận dỡ bỏ kiểm soát .
• Khuôn khổ này nhằm cung cấp cho các nhà phát triển và cơ quan quản lý một bảng đánh giá chung để xác định mức độ nghiêm trọng của một vụ jailbreak và phản ứng thích hợp, thừa nhận rằng không có mô hình nào có thể hoàn toàn chống được jailbreak .

Khuôn khổ này có thể trở nên có tầm ảnh hưởng hơn cả bản thân mô hình. Như một bài phân tích đã nhận xét: "Anthropic, Amazon, Microsoft và Google đang phát triển các tiêu chuẩn chung về mức độ nghiêm trọng của jailbreak, tạo ra một chính sách ngành trên thực tế khi thiếu các quy định liên bang về AI" .

Cách các bộ phân loại an toàn của Fable 5 hoạt động

Fable 5 ra mắt với một kiến trúc mới: các bộ phân loại an toàn (safety classifiers) đánh dấu một số loại yêu cầu có rủi ro cao và chuyển hướng các truy vấn bị gắn cờ đến Claude Opus 4.8 (một mô hình dự phòng) thay vì để Fable 5 sử dụng toàn bộ khả năng của nó để trả lời . Các loại bị gắn cờ bao gồm:

• An ninh mạng / các chiến dịch tấn công mạng – các yêu cầu liên quan đến xác định lỗ hổng, thu thập mã nguồn cho mục đích tấn công hoặc các truy vấn hỗ trợ tấn công mạng khác
• Sinh học và hóa học – đặc điểm mầm bệnh, tổng hợp hoặc nuôi cấy vi sinh vật, nghiên cứu tăng cường chức năng (gain-of-function), độc tố sinh học, quy trình phòng thí nghiệm áp dụng cho các tác nhân đặc biệt
• Các câu lệnh có nguy cơ sao chép (distillation-risk) – các nỗ lực trích xuất hoặc tái tạo trọng số, dữ liệu huấn luyện hoặc hành vi độc quyền của mô hình

Sau khi các biện pháp kiểm soát xuất khẩu được dỡ bỏ, Anthropic đã triển khai một bộ phân loại an toàn cải tiến nhắm mục tiêu cụ thể vào kỹ thuật jailbreak đã kích hoạt lệnh cấm ban đầu, tuyên bố nó ngăn chặn kỹ thuật được báo cáo trong hơn 99% các trường hợp, với các yêu cầu bị chặn vẫn được chuyển hướng đến Opus 4.8 . Công ty thừa nhận bộ phân loại này sẽ gắn cờ một số yêu cầu vô hại như một sự đánh đổi cần thiết .

Giá của Fable 5: Chi phí là bao nhiêu?

Giá API: Claude Fable 5 có giá 10 USD cho mỗi triệu token đầu vào và 50 USD cho mỗi triệu token đầu ra trên API Anthropic . Tài liệu chính thức của Claude cũng liệt kê giá 12,50 USD/MTok cho đầu vào được lưu trong bộ nhớ đệm (cached input), 20 USD/MTok cho đầu vào không được lưu trong bộ nhớ đệm và 1 USD/MTok cho "đầu vào bookend" .

Giai đoạn dùng thử miễn phí: Từ khi ra mắt ngày 9 tháng 6 đến ngày 22 tháng 6 năm 2026, Fable 5 được bao gồm miễn phí trong các gói Claude Pro, Max, Team và Enterprise (trả phí theo số lượng người dùng) .

Chuyển đổi sang thanh toán theo mức sử dụng (metered billing): Vào ngày 23 tháng 6 năm 2026, Fable 5 bị loại khỏi các gói này. Sau ngày đó, bất kỳ yêu cầu Fable 5 nào cũng sẽ sử dụng tín dụng thanh toán (usage credits) được tính theo tỷ lệ token API (10 USD/ 50 USD mỗi MTok) thay vì được bao gồm trong phí gói .

Một lưu ý về ngày 7 tháng 7: Một số bình luận bên thứ ba đề cập đến ngày 7 tháng 7 cho một đợt điều chỉnh giá tiếp theo. Tuy nhiên, tài liệu chính thức của Anthropic và các báo cáo chi tiết khác đều thống nhất về mốc ngày 23 tháng 6 cho việc kết thúc giai đoạn miễn phí . Sau khi các biện pháp kiểm soát xuất khẩu được dỡ bỏ vào ngày 30 tháng 6, một số người dùng trên các gói Pro, Max và Team đã thấy một 'cửa sổ' được tái hòa nhập tạm thời cho đến ngày 7 tháng 7 trước khi tín dụng có hiệu lực hoàn toàn .

Bài học rút ra

Cuộc hành trình 18 ngày của Claude Fable 5 từ lúc ra mắt đến lúc bị cấm và được khôi phục không chỉ là câu chuyện về một mô hình. Đó là một nghiên cứu điển hình về cách các công ty AI tiên tiến và chính phủ đang – một cách lúng túng và công khai – đàm phán các quy tắc để triển khai các mô hình mạnh mẽ trong một thế giới thiếu các quy định chính thức về an toàn AI. Khuôn khổ đánh giá mức độ nghiêm trọng của jailbreak xuất hiện từ bế tắc này có thể thiết lập tiêu chuẩn cho cách toàn ngành ứng phó với lỗ hổng tiếp theo chắc chắn sẽ xảy ra.