Claude Fable 5：从封禁到回归的18天，一场AI安全规则的极限博弈

由于Anthropic无法实时可靠地区分外国国民和美国国内用户，该公司于6月13日被迫 对全球所有客户 禁用了这两个模型。

封禁的导火索是什么？

直接原因是 亚马逊（Amazon） 及其他几家公司研究人员报告的一次成功“越狱”（jailbreak）。他们据称成功提取了可用于 offensive 网络安全操作的信息，美国政府认为这构成了国家安全威胁。根据Anthropic的内部审查，触发此次出口管制令的提示词（prompt）实际上是一个 标准的代码库安全审计请求——Anthropic 辩称，这种能力在OpenAI的GPT-5.5和其他前沿模型中已经存在。

18天的停摆

出口管制于 2026年6月30日 被取消，结束了为期18天的禁令。Fable 5 于 7月1日 在 Claude.ai、Claude Platform API 以及企业版计划中恢复服务。商务部的信函中 保留了如果Anthropic未能履行其安全承诺，可重新实施管制的权利。

更大的故事：一个AI越狱严重程度评级框架

Fable 5 事件不仅仅带来了一个恢复上线的模型——它催生了一个全新的 行业通用AI越狱严重程度评分框架。Anthropic 宣布正在与 亚马逊、微软和谷歌（以及其他Project Glasswing合作伙伴）共同制定一个共享评分标准。该框架的关键特征包括：

• 评估 越狱绕过了多远、哪些能力被触及、攻击的 可重复性 有多高，以及暴露的行为是否造成了 实际的操作性后果。
• 白宫 也参与了谈判，作为解除管制协议的一部分，共同制定对越狱严重程度进行分级的技術标准。
• 该框架旨在为开发者和监管者提供一个共享标准，用于判断越狱的严重性以及应采取何种应对措施，其核心前提是承认 任何模型都无法做到完全防越狱。

这个框架本身可能比模型本身更具影响力。正如一份分析所言：“Anthropic、亚马逊、微软和谷歌正在共同开发越狱严重程度标准，这在缺乏联邦AI监管的背景下，创造了一种 事实上的行业政策”。

Fable 5 的安全分类器是如何工作的？

Fable 5 发布时采用了一种新的架构：安全分类器（safety classifiers）。这些分类器会标记某些高风险请求类别，并将被标记的查询路由到 Claude Opus 4.8（一个后备模型），而不是让Fable 5的完整能力直接响应。被标记的类别包括：

• 网络安全 / offensive 网络操作——涉及漏洞识别、为攻击目的分析代码库或其他网络攻击相关的查询
• 生物学与化学——病原体特征、微生物的合成或培养、功能获得性研究、生物毒素、适用于特定病原体的实验室协议等
• 蒸馏风险提示词——试图提取或复制模型权重、训练数据或专有行为

在出口管制解除后，Anthropic 部署了一个 改进版安全分类器，专门针对触发最初禁令的越狱技术。Anthropic声称，该分类器能在 超过99%的情况下 阻止该越狱技术，被阻止的请求仍会被路由到 Opus 4.8。该公司承认，作为权衡，该分类器会误拦截一些良性的请求。

Fable 5 定价：成本是多少？

API定价： Claude Fable 5 在 Anthropic API 上的定价为 每百万输入tokens 10美元，每百万输出tokens 50美元。官方 Claude 文档还列出了缓存输入 ($12.50/MTok) 、非缓存输入 ($20/MTok) 以及“书签输入” ($1/MTok) 的价格。

免费试用期： 从发布日（6月9日）至 2026年6月22日，Fable 5 对 Claude Pro、Max、Team 以及基于座位的企业版计划用户免费开放。

过渡到按量计费： 从 2026年6月23日 起，Fable 5 被从这些捆绑计划中移除。此后，任何 Fable 5 请求都将消耗 付费使用额度，按 API 每次token的费率（输入10美元/MTok，输出50美元/MTok）计费，不再由订阅计划中包含的免费额度覆盖。

关于7月7日的说明： 一些第三方评论提到了7月7日作为后续定价调整的日期。但官方 Anthropic 文档和所有详细的第三方报告均确认，免费试用期的截止日期是 6月23日。在6月30日出口管制解除后，部分 Pro、Max 和 Team 计划的用户可能看到了一段临时的免费重新接入窗口（截至7月7日），之后才完全转为按量计费模式。

结论

Claude Fable 5 从发布、被禁到恢复的18天历程，不仅仅是一个模型的故事。它是一个关于前沿AI公司和政府如何——尽管过程尴尬且公开——在一个缺乏正式AI安全监管的世界里，协商部署强大模型的规则的典型案例。此次僵局中催生的越狱严重程度框架，可能会为行业应对下一次不可避免的越狱事件设定标准。