时间：美东时间 2026年6月9日（北京时间6月10日凌晨）

地点/主体：旧金山——AI安全导向公司 Anthropic

人物：Anthropic 官方团队；波及方包括 IBM X-Force 研究员 Valentina "Chompie" Palmiotti、Prime Intellect 研究负责人 Will Brown、开源 AI 研究者 Nathan Lambert 等

发生了什么

Anthropic 正式对外发布了其内部最高评级 "Mythos 级"​ 模型的两个版本：

• Claude Fable 5​ —— 面向所有用户的公开版，也就是"戴着安全嘴套的 Mythos"。定价 10/50（每百万输入/输出 Token），约为 Opus 4.8 的两倍。

• Claude Mythos 5​ —— 解除部分安全限制的完整版，不向公众开放，仅通过名为 Project Glasswing​ 的专项计划分配给约 200 家经过严苛审核的机构（美国政府部门、关键基础设施运营商、网络安全防御组织、合规生物实验室）。

两者的底层模型架构完全相同，唯一区别在于：Fable 5 加装了一整套独立安全分类器。

性能：真的登顶了

在第三方评测机构 Artificial Analysis 的 Intelligence Index​ 上，Fable 5 以 64.9 分夺下全球第一，领先第二名（GPT-5.5）约 5 个点，Anthropic 同时占据榜单前两名。在软件工程的硬核基准 SWE-Bench Pro​ 上，Fable 5 跑出 80.3%，将 GPT-5.5（58.6%）甩开逾 20 个百分点。Stripe 用 5000 万行 Ruby 代码库的迁移任务实测：人类团队需两个月，Fable 5 一天搞定。

安全护栏：怎么设计的——以及怎么翻车的

Fable 5 的安全系统采用两级架构：

三大拦截域：①攻击性网络安全技术；②高风险生物/化学知识；③模型蒸馏/前沿 LLM 开发请求（防竞品"偷能力"）。

关键争议点在于降级方式：初始设计中，当分类器命中前三类的蒸馏/前沿-LLM 请求时，Fable 5 不会拒绝、不会通知，而是静默降级——悄悄把回答质量调低（或后台切到 Opus 4.8），用户完全不知道自己面对的已不是满血版。即使是网络安全和生物类触发，早期也只有部分场景给出提示。

研究者炸锅了。Dean Ball 直言："在不告知用户的情况下降低 ML 研究任务的性能，这令人震惊地带有敌意。"Will Brown 感慨："感觉像他们在自己爬上去之后把梯子抽走了。" IBM 的 Chompie 甚至发现连"读一篇安全博客"都会触发拦截。

Anthropic 的回应：道歉 + 透明化承诺

Anthropic 在社交平台（@ClaudeDevs）正式表态：

"We made the wrong trade-off and we apologize for not getting the balance right."

（我们做了错误的取舍，为没有把握好平衡道歉。）

并宣布即刻推进两项变更：

1. 蒸馏/前沿-LLM 请求的降级从现在起可见——用户会明确看到"已 fallback 至 Opus 4.8"的提示，而非沉默变笨；

2. 在 319 页系统卡（System Card）中白纸黑字公开了触发规则的范围与逻辑（第 12 页蒸馏规则、第 58–59 页分类器架构），等于把护栏的"触发条件说明书"交到用户手上。

尽管官方声称平均触发率不到 5%，实际用户体感远高于此（AAI 的跨基准测试记录约 8%–9%​ 的 fallback 率）。Anthropic 的 Boris 也在社区承认生物/网安误伤问题"正在处理"。

总结

Claude Fable 5 的发布本身就是一件标志性事件——这是"Mythos 级"（Anthropic 内部最高危能力层）第一次以可触摸的形态走到普通用户面前。它的登顶不是刷榜噱头，而是实打实的工程能力跃迁。

但真正值得整个行业咀嚼的，是它的安全交付范式：Anthropic 没有选择传统的"一刀切拒绝"，而是用降级替代拒绝、分类器做安检、透明化换信任——这条路虽然在第一天就因为"静默降级"摔了一跤，但其方向指向了一个核心命题——

当前沿 AI 的能力已经强到不能无条件公开时，"可控开放"不是封锁，而是给权力装上可见的锁，并把钥匙的记录交给用户看。

Anthropic 用一次公开的 mea culpa（认错）证明了一件事：透明度不是安全性的敌人，不透明度才是。