Cybersecurity researchers aren't happy about the guardrails on Anthropic's Fable

摘要

Fable 是 Anthropic 旗舰网络安全模型 Mythos 的公开受限版。多位安全研究员反映，该模型的安全护栏存在严重的误伤问题，甚至在处理“代码审计”或“编写安全代码”等正当需求时也会因触发关键词而中断任务，并强制降级至 Claude Opus 4.8。Anthropic 表示此举是为了防范 AI 被用于开发恶意软件，并建议专业人员通过其“网络验证计划”（Cyber Verification Program）申请更高权限。