Claude Fable 5 事件始末：模型被禁後再回歸，18天風暴如何改變AI監管

由於 Anthropic 無法即時區分外國用戶與本國用戶，6月13日該公司決定對全球所有客戶關閉這兩款模型。

封禁的真正原因

直接導火線是亞馬遜及其他幾家公司研究人員回報的一次越獄攻擊，他們據稱從模型中提取了可用於發動進攻性網路安全操作的資訊——政府認為這已構成國家安全威脅。然而根據 Anthropic 內部審查，觸發出口管制的那次提示，其實是一個標準的程式碼庫安全稽核請求——Anthropic 主張，這種能力已經存在於 OpenAI 的 GPT-5.5 及其它前沿模型中。

18天的中斷

出口管制於 2026年6月30日解除，結束了長達18天的禁令。Fable 5 在 7月1日 於 Claude.ai、Claude Platform API 及企業方案中恢復上線。不過，商務部的解禁信函中保留了日後重新實施管制的權利，若 Anthropic 未能遵守安全承諾即可恢復禁令。

更大的故事：越獄嚴重程度評分框架

Fable 5 事件不僅僅是模型恢復上線——它還催生了一套全新的跨產業AI越獄嚴重程度評分標準。Anthropic 宣布正與 亞馬遜、微軟、Google（以及其他 Project Glasswing 合作夥伴）共同制定共享評分框架。主要特點如下：

• 評分依據包括：越獄走了多遠、哪些能力被解鎖、攻擊的可重複性，以及被暴露的行為是否產生了實際操作後果。
• 白宮也參與了技術標準的協商，作為解除管制的條件之一。
• 該框架旨在為開發者與監管者提供一套共同的標準，來判斷越獄的嚴重程度及應採取的對應措施，同時承認沒有模型可以做到完全防禦越獄。

有分析指出，這個框架的影響力可能比模型本身更大：「Anthropic、亞馬遜、微軟、Google正在制定共同的越獄嚴重程度標準，這在缺乏聯邦AI法規的情況下，形同形成了業界事實上的產業政策」。

Fable 5 的安全分類器如何運作

Fable 5 推出時配備了一套新的架構：安全分類器，用於標記特定高風險類別的請求，並將被標記的查詢轉交給 Claude Opus 4.8（較弱的備援模型），而非讓 Fable 5 的完整能力直接回應。被標記的類別包括：

• 網路安全／進攻性網路操作——涉及漏洞識別、程式碼庫入侵（用於攻擊目的）或其他網路攻擊相關的查詢
• 生物學與化學——病原體特徵、微生物合成或培養、功能獲得型研究、生物毒素及實驗室操作等
• 蒸餾風險提示——試圖提取或複製模型權重、訓練資料或專有行為的請求

出口管制解除後，Anthropic 部署了改良版安全分類器，專門針對引發原始禁令的越獄技術，號稱攔截率超過99%，被攔截的請求仍會轉交給 Opus 4.8 處理。該公司承認，這個分類器可能會誤判一些無害請求，這是取捨上的權衡。

Fable 5 定價：費用多少？

API 定價： Claude Fable 5 在 Anthropic API 上的價格為每百萬輸入代幣10美元、每百萬輸出代幣50美元。官方 Claude 文件還列出快取輸入每百萬12.50美元、非快取輸入每百萬20美元，以及「書本式輸入」每百萬1美元。

免費推廣期： 從 6月9日推出至 6月22日為止，Fable 5 在 Claude Pro、Max、Team 及基於座位的 Enterprise 方案中免費提供。

轉為按用量計費： 2026年6月23日起，Fable 5 從這些綁定方案中移除。此後任何 Fable 5 請求都會消耗付費使用點數，按 API 的每代幣費率（每百萬輸入10美元／輸出50美元）計費，不再包含在方案的免費額度內。

關於7月7日的說明： 部分第三方評論提到7月7日有後續的價格調整，但官方 Anthropic 文件及所有詳細的第三方報導均同意6月23日為免費包含期的截止日。出口管制於6月30日解除後，部分 Pro、Max 及 Team 方案的用戶在7月7日前獲得了一段短暫的重新包含窗口，之後才完全轉為按用量扣點計費。

總結

Claude Fable 5 從推出、封禁到恢復的18天旅程，不僅僅是一個模型的命運故事。這是一場前沿AI公司與政府之間——雖然尷尬、但公開——如何協商部署強大模型規則的實例，而這個世界目前仍缺乏正式的AI安全法規。這次對峙中誕生的越獄嚴重程度評分框架，可能將成為業界面對下一次無可避免的越獄攻擊時的應對標準。