Anthropic 公布 Fable 5 安全分类器与越狱框架

Anthropic 发布技术博文，首次披露 Claude Fable 5 的安全分类器四级体系及「AI 越狱严重性框架」初稿，回应 6 月因 Amazon 发现漏洞而暂停模型访问的事件。分类器将网络安全请求划为四档：禁止使用（勒索、数据泄露等，一律拦截）、高风险双用（渗透测试等，暂对普通用户阻断）、低风险双用（开源情报等，多数放行但保留安全余量拦截）与良性使用（安全编码等，基本不拦）。低风险双用区的安全余量刻意放大，宁可误拦无害请求以兜住高风险行为，Anthropic 称该配置对已知越狱阻断率超 99%。越狱严重性框架由 Anthropic 与 Glasswing 合作起草，旨在为 AI 公司和政府提供评估越狱风险的一致语言，目前仍处草案阶段，同时同步启动 HackerOne 漏洞赏金计划。博文核心信号明确：Anthropic 既展示自身安全能力，也在为行业建立越狱风险的通用讨论基线。

💡 为什么值得看Fable 发布四层安全分类体系与越狱严重性标准草案，或成行业安全沟通基线。