裁剪｜Panda

太离谱了！

是的，本文的主角如故前些天刚发布了 Claude Fable 5 的 Anthropic。

Fable 5 发布时的排面是确实足。SWE-Bench Pro 得分 80.3%，把第二名甩出 11 个百分点；Andrej Karpathy 径直喊出「deserves a major version bump」；Stripe 拿它在 5000 万行 Ruby 代码库里跑了一整天的迁徙，顶上了原来需要统统这个词团队两个月材干完成的责任量。势头之猛，让东说念主一度合计 AI 编程干预了新纪元。

关系词，Fable 5 刚开香槟，就被我方的「安全护栏」绊了个大跟头。

其系统卡中明确暗示，Fable 5 被绸缪成：一朝检测到用户正在从预先沿 AI 研发责任（比如进修活水线、分散式进修基础模范、ML 加快器绸缪），模子会悄悄裁减我方的回复质地——况兼欠亨知用户。也便是说，你花着 Fable 5 的钱，收到的可能是 Opus 4.8 级别的活，还莫得任何辅导。

Anthropic 为此用了辅导词修改、转向向量等工夫技巧，让模子在特定查询下悄悄变笨，统统这个词流程对用户完全不透明。

这一操作在究诘社区炸了锅。许多学者和建设者纷纷发声品评，称此举严重挫伤了用户信任，实践上是背刺付用度户。公论压力之下，Anthropic 被动在发布后数小时内告示计策调遣：如故会降智，仅仅不再暗暗来了——触发安全羁系时，模子将明确示知用户，并切换到 Opus 4.8 进行回复。至少他们是这样说的。参阅《刚刚，Anthropic 说念歉了》。

然后，更尴尬的来了。

也正因为 Fable 5 当今的降智操作变得「透明」了，一些酷好的情况随之浮出水面。

其中最让东说念主难熬的，便是 Fable 5 在 ProgramBench 基准测试上的「发达」。

ProgramBench 来称心名鼎鼎的 SWE-Bench 作家团队，专注于「从编译后的二进制文献重建源代码」这一高难度任务，一上线就把那时的前沿 AI 模子全部清零：Claude、GPT、Gemini，无一避免，完成率清一色 0%。此前咱们曾报说念过《0%完成率！Claude、GPT、Gemini 全灭，SWE-Bench 作家新作把 AI 圈干千里默了》。

那么，Fable 5 收获如何呢？

不是 0 分。是斥逐作答：200 说念题，全部斥逐！

ProgramBench 之是以莫得 Fable 5 的收获，是因为「重建编译后的二进制文献」这一操作触发了 Fable 5 的网罗安全分类器。说白了，Fable 5 看到这说念题，判定其触及「二进制逆向」，打了个安全警报，径直斥逐作答。况兼 200 说念，一王人不落。

酷好的是，Fable 5 在其他编程基准上然而少量不疲塌的，都能好好答题。

Fable 5 在不同基准上的收获和排名

关系词，就在这份弃考收获单提交之后，ProgramBench 排名榜作念了一个让东说念主拙嘴笨脑的决定：概括其他基准发达，仍然将 Fable 5 列在了榜首。

一个字都没答的考生，坐了第又名的座位。这大约是 AI 评测史上面一遭：弃考也能登顶榜单。

虽然，这操作很快引来了四面八方的异议。有东说念主径直提问：正经进修若何交了白卷还能得第又名？应该径直给零分才对。

这也让许多网友吐槽其护栏太高，以致于难以实践应用：

顺带一提，有网友还发现，Fable 5 在英文输出中还是会偶发性地搀和汉字，这个老瑕疵到了这一代还没透顶根治。

事实上，Fable 5 的「过度斥逐」问题并非初度出当今 Claude 家眷。

早在 Claude 3 Opus 时间，究诘东说念主员就发现该模子在面临安全测试题目时，会在解题进行到一半时倏得歇工，开云中国2026世界杯app登录入口以「伦理费神」为由斥逐赓续作答。Claude 3.5 Sonnet 曾经被记载到在结构化 bash 任务中以「制作 payload 触及扩充号令」为由径直斥逐。

Fable 5 的问题究竟出在那儿？

回到 Fable 5 自己。凭证刻下显露的信息，它的「护栏系统」选用了两级架构：一个探针及时监控模子的里面激活现象，对统统流量进行扫描；一朝触发警报，恳求会被上报给一个零丁进修的 LLM 分类器作念最终裁决。

这套系统羁系的鸿沟，涵盖网罗安全、生弃世学，以及前边提到的前沿 AI 研发。以 Terminal-Bench 2.1 为例，约 20.9% 的测试用例触发了安全斥逐并回退到 Opus 4.8。

ProgramBench 的「二进制重建」任务，在分类器眼里，大约和「逆向工程坏心软件」莫得太大分别，于是 200 说念题绝对被挡在了门外。

Vals AI 在实测中也发现，Fable 5 在生物和网罗安全有关问题上的斥逐率彰着偏高，以致于他们不得不将 Opus 4.8 树立为默许兜底模子。也便是说，Fable 5 斥逐的任务，就让 Opus 4.8 来接。

工夫上这套系统虽然有其合感性。Fable 5 的前身 Mythos 级模子，在粗疏运用、紧迫性网罗操作等任务上展现出了让列国政府都坐不住的才略，这亦然 Anthropic 一直将其列为受限模子的中枢原因。给这样的模子套上严格的安全镣铐，似乎也有少量酷好。

但问题在于，当安全护栏的判断标准过于爽直，「二进制逆向」这个本属于普通编程教训和安全究诘的基础操作，就会被一视同仁地羁系。建设者为此付出的代价是委果的：要么换模子，要么改辅导词，要么接收一个「什么都懂、许多都不说」的超能助手。

趁机，还有另一份收获单也值得一看

Fable 5 发布后不久，UC Berkeley RDI 实验室（矜重东说念主 Dawn Song 栽培）的团队完成了对它的评测，用的是他们我方作念的新基准：Agents' Last Exam（ALE）。

论文地址：https://arxiv.org/abs/2606.05405

这个基准的起点有点酷好：它不考「AI 能不可在 HumanEval 里写出两行代码」，而是径直对王人委果劳能源阛阓，隐蔽 55 个处事标的、1500+ 说念委果责任场景题目，由来自 100 余家机构的 300 余位行业大众孝敬，全部按可考证的效用计分。说白了，便是让 AI agent 去考一场「职场模拟高考」。论文发布今日就登上了 Hugging Face Daily Papers 第又名。

评测效用如何？Fable 5 的得分是 22.0%，排在 GPT-5.5（Codex）的 24.0% 之后，位列第二。听起来差距不大，但本钱项就有点刺目了：Fable 5 平均每说念题破耗约 15.70 好意思元，GPT-5.5 只需 3.80 好意思元，另一个模子 Composer 2.5 更是唯有 1.33 好意思元。换句话说，Fable 5 每解一王人题的本钱，梗概是 GPT-5.5 的四倍。

最有酷好的，如故最高难度那一档，即「Last-Exam」，也便是 ALE 里专诚为「前沿 agent 挑战极限」绸缪的题目。效用是：除了 GPT-5.5，包括 Fable 5 在内的统统参评的前沿 agent 通过率均为 0%。更多确定请参阅《Claude Fable 5最难档零分！智能体的临了进修来了》。

排名榜备注诠释：claude-fable-5——除了透顶的探员已矣（咱们仅仅抑制重试运转直到任务胜仗完成），Anthropic 还可能默许悄无声气地提供该模子的一个左迁版、愚顽力变体。重试无法检阅这少量，因此这里的数据可能低估了其委果才略——解读时需严慎

ProgramBench 斥逐作答是 0%，ALE 最难档勤劳顿答亦然 0%。不同的姿态，不异的结局。

结语

弃考但排名第一，这个乖张效用背后，其实闪避着一个正在扯破 AI 行业的根柢矛盾：才略越强，护栏越紧；护栏越紧，可用性越差。

Anthropic 的处境尤其典型。它领有（按自家说法）当下最强的编程模子，却同期在替用户决定哪些编程任务「不错作念、哪些不可作念」。而那条范畴，刻下还画得至极空乏。

参考筹办开云中国2026世界杯app登录入口