精华速览

Anthropic下一代模型Fable 5.5疑似进入测试阶段，部分Opus 5.5用户被随机路由到新模型，在Three.js生成奔跑斑马、SVG复杂构图等测试中表现优于现有模型。新模型据称更擅长理解用户深层意图，能跳出常规思维定位问题根源。与此同时，Anthropic公开自评估安全机制：自Fable 5起，Claude每次回答后会追加一条用户不可见的指令，复用上下文对整段对话做安全复盘，仅增加不到2%算力开销，在Fable 5上捕获78%违规对话、高危滥用检出率94%、误判率1%。该机制主要用于离线筛查而非实时拦截，成本由平台承担。

要点透视

  • 部分Opus 5.5用户在使用中被随机路由到更新模型，实测效果明显优于当前Opus，外界推测为Fable 5.5或下一代Opus。
  • 在Three.js生成奔跑斑马的对比测试中，Fable 5.5生成的画面被评价为最接近真实奔跑，Opus 5.5和Gemini 4的表现则显得吃力。
  • 有用户通过API调用Opus 5.5时知识截止于2024年7月，而被路由到的新模型无需搜索即可答出Karpathy于2026年5月加入Anthropic。
  • 有用户让新模型用JS逐帧绘制描述人一生的动画，耗时2小时、消耗2700万Token。
  • Anthropic安全博客披露，自Fable 5及之后发布的模型，每次问答结束后都会执行一次用户不可见的自评估，输出固定格式JSON风险标记。
  • 自评估复用KV Cache，Prefill开销几乎为零，输出仅约10个Token，算力占比低于2%，且不计入用户Token账单、不影响流式首字延迟。
  • Fable 5实测数据显示，自评估捕获重型分类器可标记的78%违规对话，高危滥用检出率达94%，误判率降至1%。
  • 签订零数据保留协议的流量目前不运行自评估；单条评估结果不直接作为违规定论，需经聚合分析、独立分类器或人工复核后才可能处置。

文章拆解

从测试曝光看，Anthropic正在把模型能力竞争推向“意图理解”层面。The Information此前爆料称，新模型更擅长跳出常规思维，例如修复Bug时会追问导致问题的底层原因，而非只做表面修补。这与网友实测中Fable 5.5在复杂生成任务上的优势相互印证，说明下一代旗舰模型的差异化可能不在参数规模，而在任务拆解和隐含目标识别。不过，Fable 5.5的正式名称、发布时间和完整能力仍待官方确认。

更值得关注的是同步公开的自评估机制。AI安全长期面临两难：小模型做监控容易被高阶提示绕过，独立前沿模型审查又会让推理成本和延迟翻倍。Anthropic的解法是让刚完成回答的Claude复用已有上下文和KV Cache，追加一条十几Token的隐藏指令，再输出约10个Token的JSON风险标记。按官方数据，这不到2%的算力开销换来了78%的违规对话捕获率和94%的高危滥用检出率，工程上确实巧妙。

对用户而言，直接影响有限：自评估不参与实时拦截，不进入后续对话，也不计入账单。但它意味着每段对话都可能被平台留下风险信号，用户既看不到标记，也无从知晓正常讨论是否被误判。虽然单条结果不直接导致封号，仍需聚合分析和人工复核，但这种“不可见审计”天然存在信任成本。尤其当新模型开始推断用户未明说的深层意图时，意图判断本身也可能成为新的误判来源。

行业层面，这一方案可能被更多厂商借鉴：安全审查从独立外挂模型转向复用主模型上下文的轻量自检，成本结构随之改变。潜在变量包括零数据保留协议流量的豁免范围、不同司法辖区的数据政策差异，以及自评估结果与现有分类器冲突时的处置优先级。这些细节尚待Anthropic进一步说明。随着Gemini 4 Carbon登场，下一代旗舰模型的较量已提前升温，而安全机制能否跟上模型能力，将是比跑分更关键的竞争维度。

查看原文