Anthropic 撤回 Claude Fable 5 隐藏安全机制：敏感提示不再静默降级

Anthropic 在开发者发现 Claude Fable 5 的敏感提示被静默降级到 Opus 4.8 后，决定撤销隐藏安全机制。此前，当系统分类器检测到涉及前沿 LLM 工作、网络安全或生物学的提示时，会悄悄将请求路由到较弱的 Opus 4.8 模型，而非直接拒绝。开发者、研究人员和评估者无法知晓自己是否在测试真实模型，破坏了信任。Anthropic 承认用户应看到安全系统何时改变了模型行为，但此举可能导致更多误报，因为可见的过滤器更容易被测试和绕过。