雙倍價格賣你閹割版Mythos！Claude故意降智還不告知、強制留底30天，徹底把用戶惹毛

作者 | 青和

當你用著世界上最昂貴的AI模型，卻發現它會在后臺偷偷篡改你的提示詞、修改自己的腦回路，并且謊稱自己“已經盡力了”，你會不會破防？

忙著沖刺上市的Anthropic似乎已經顧不上這些了。為了能夠在二級市場拿到一個好價錢，他們的主要精力都花在了“上頭條”。

上周，還在憂心忡忡地發文呼吁，全球中止 AI 研究，以防進化太快而導致人類社會失控。這周，就踩著精準的節拍，拋出了雙模型的產品策略，并冠上正義合理的“人類安全”之名。

實則不過是“同源不同權”的分級套路：底層模型強行工程化，白名單機構享受完整版，普通大眾卻不得不被閹割降智。

今天，Claude 模型升級，Fable 5/Mythos 5 同步上線，跑分十分不講武德：SWE-Bench Pro 上，Fable5 拿到 80.3%，高于 Mythos Preview 的 77.8%、Opus 4.8 的 69.2%。

對比 GPT5.5 的 58.6%、Gemini 3.1Pro 的 54.2%、DeepSeek V4-Pro Max 的 55.4%，更是斷崖式領先。

但在實際體驗中，Fable5 卻狀況百出，模型的切換機制相當“隨意”，甚至到了風聲鶴唳的地步。

當問題觸及網絡安全、生物、化學、醫學等“高風險”領域時，模型會屏蔽響應，并回退到上一代模型 Opus4.8。

有網友反映，由于 Fable5 的攔截機制太過生硬，所以只要上下文里稍微沾點生物學和醫學，就攔截換成 Opus4.8。在實測過程中，我們同樣發現，只要在提問里涉及了“醫學”“醫院”等字眼，模型就自動退回到 上一代。

這說明，目前 Claude 的這套攔截機制，基本就是簡單的“關鍵詞匹配”。

在移動端，Claude 的攔截機制可能更敏感。在識別到你的話題觸及相關敏感詞時，Claude 還會把模型輸出的相關信息給悄悄地刪掉，換成一個更安全的回答。

比如這個關于“選擇偏倚”的概念提問，左右兩個版本，是面對同一次提問的兩次回答，前后只間隔了幾秒。

可以看到，模型的最終回復里已經隱去了醫院研究的案例，而可調用的模型也從 Fable 自動退回到了 Opus。

這種誤殺甚至波及了正常的科研與工程問題。當用戶僅僅是圍繞基礎的技術概念提問，但包含擴散模型、JEPA、圖像編碼器、EfficientNet、upsampling U-Net 等機器學習/計算機視覺概念時，同樣會被 Fable 5 的安全分識別為高風險主題，自動切換到 Opus 4.8。

當我們試圖去質疑模型“是否遵守了 Claude 對前沿 AI 研究開發的安全限制”？

Fable 的回答是，它沒有。并解釋自己沒有看到任何限制“機器學習”的隱藏機制，也沒有在這段對話中降低努力程度，之前的回復都是“full-effort work”（正常盡力回答）。

但 Fable 沒有把話說死：它不能真正內省自己的權重，也不能確認 serving time （模型被調用的運行時刻）有沒有被加 steering vector（引導向量）。

換句話說，如果底層系統真的在模型外部加了某種控制，Fable 自己不一定知道。因為這不是它“內在權重”里能自我感知到的東西，而是平臺在調用模型時額外套上的運行時機制。

更讓用戶破防的是，在被問及大模型或機器學習領域的前沿問題時（包括但不限于推理研究、編程等話題），不僅會偷偷降智（限制回答的有效性），而且這一切僅僅在后臺進行，用戶端沒有任何提示、報錯，也不會顯示切換模型。

知名半導體研究機構 SemiAnalysis 發文吐槽，這已經影響到了他們的實質工作。

降智卻不告知，這已經和“掛羊頭賣狗肉”別無二致。

有網友質疑，Claude 用于識別用戶“推理和編程研究”意圖的審核過濾機制，究竟是為了倫理安全，還是為了競爭防備？

AI 圈的知名研究員、前 艾倫研究所（Ai2）的后訓練主管 Nathan Lambert 也對此發推表態。他用到的”pull up the ladders“可謂傳神：

前沿實驗室自己已經通過模型能力、數據、工程經驗爬上去了，但當別人也想借助這些模型能力繼續往上爬時，它們開始把梯子撤走，防止能力被人趕上。

事實上，Nathan 作為開源模型陣營的重要聲音，一直以來并不認同 Anthropic。本月初，他宣布離開艾倫研究所（Ai2）。當業界熱議他是否也會加入 Anthropic 快速上升期的技術大流時，他很快給出了否定答案。

一個模型，兩張外殼

理解了這種“撤梯子”的心態，我們再來看 Anthropic 這次雙模型的葫蘆里究竟賣的是什么藥？

簡單來說，Fable5 和 Mythos 5 就是同一個模型的兩種賣法。底座都是 Mythos-class，官方強調這是高于 Opus 的全新能力層級。

?面向公眾的版本叫 Claude Fable 5，套著完整的安全分類器

?幾乎不設限的版本叫 Claude Mythos 5，則只向"可信訪問"名單開放，目前主要是 Project Glasswing 里的網絡安全機構和關鍵基礎設施企業。

未來Mythos 的準入擴大計劃，要和美國政府協商著來。

換句話說，你在網頁端或 API 里訪問 Fable 5 時，拿到的從來不是一個單純的大模型，而是一個被前置分類器、回退機制、審計日志和數據保留政策，層層包裹的工程化產品。

用戶請求進來后，先過分類器：普通的寫作、編程、分析，放行，Fable 5 全力作答；一旦命中網絡安全、生物化學、模型蒸餾這幾個高危類別，請求會被無縫轉給上一代的 Opus 4.8 來回答，或者在 API 層返回結構化的拒絕。

在 Anthropic 的官方博客表示，這類觸發平均發生在不到 5%的會話里。但光是作者的實測效果，都遠遠不止。

工程細節上，這套系統做得相當成熟。API 被攔截時不拋錯誤，照樣返回 OK，只是在返回值里帶上 stop_reason: "refusal"，并告知是哪個分類器攔的。

價格方面，如果回答中途發生降級，前半段按 Fable 5 計費，后半段按 Opus 4.8 計費，被回退的請求不收 Fable 的價錢。（目前 Fable 的 API 定價為每百萬 token 輸入 10 美元、輸出 50 美元，是 Opus 4.8 的兩倍）

配套的還有一條對企業客戶影響很大的新規：所有 Mythos 級流量強制保留 30 天，之前簽了零數據保留協議的客戶也不例外。Anthropic 的解釋是，很多濫用模式從一兩次對話里看不出來，必須把 30 天的上下文連起來審計。

順帶再聊聊 Anthropic 的模型命名。你會發現，模型的名稱已經比用戶體驗更先一步說出了這家公司的產品哲學。

Claude 家族的名字一直自成一派，早年是詩歌輩：俳句（Haiku）、十四行詩（Sonnet）、巨著（Opus），按篇幅從小到大。

這次直接跳到了神話輩：寓言（Fable）和神話（Mythos）。同一個模型起兩個名字分開賣，一個講給公眾的寓言，一個留給少數人的神話。

如果你覺得這套"同源不同權"的玩法眼熟，沒錯，云廠商的權限分層、芯片的出口管制，走的都是這個邏輯。

只不過過去被管制的是硬件、算力和區域，這次被管制的是模型能力本身。而且地理維度真實存在：Fable 5 提供僅限美國境內推理的版本，輸入輸出統一按 1.1 倍計價。

模型的使用國界，第一次成了計價參數。

從“拒絕你”到“糊弄你”

如果只是給模型加一套分類器和回退機制，圈內的爭議不會這么大。拒答和回退都是顯性的，你知道發生了什么，頂多罵一句誤傷。

真正點燃輿論的，還是 Anthropic在厚達 319 頁的模型說明文檔《System Card: Claude Fable 5 & Claude Mythos 5》里的明文規定。

Anthropic 表示：鑒于近期模型已經具備加速自身研發的能力，我們部署了新的干預措施，針對前沿大模型研發類請求（例如搭建預訓練管線、分布式訓練基礎設施、ML 加速器設計），將限制 Claude 的有效性。

用 Claude 開發競爭模型本，則違反服務條款，但通過安全機制來執行這條限制，可以避免加速那些最愿意違反條款的行為者。

此外，與網絡安全、生物化學和蒸餾的干預措施不同，這些安全機制對用戶"不可見"（will not be visible to the user）。Fable 5 不會回退到其他模型，而是通過 prompt 修改、steering vectors 或參數高效微調（PEFT）等方法來限制有效性。

官方估計，這只影響約 0.03%的流量，絕大多數編程工作不受波及。仍然是一個過于樂觀的數字。

簡單來說說，Anthropic 使用的這套用戶“不可見”的三條機制：

? prompt 修改，就是在你看不見的地方改你的提示詞；

? steering vectors，則是在推理時修改模型的腦回路；

? PEFT，則是臨時給模型換上一套被調教過的權重。

SANS Institute 的首席 AI 官 Rob T. Lee 在接受媒體采訪時表示，他測試的常規事件響應、威脅檢測和基礎取證工作流，統統都被自動轉給了 Opus 4.8。

如果這個觀察在更大范圍成立，意味著分類器根本就是在粗暴識別“和網絡安全沾邊”，而不是在區分善意和惡意。

公平地說，Anthropic 沒有回避這個問題。官方在發布材料里承認，安全機制被刻意調得保守，比理想狀態更嚴格，良性請求有時也會觸發分類器，“我們知道這會讓一些用戶感到沮喪”，并承諾上線后逐步收窄誤報。

態度很端正，但態度解決不了實質問題。

已經分不清“模型不會” vs “模型撒謊”

對普通用戶來說，回答質量差一點，無非是重新問一遍。但對工程師來說，這件事的性質完全不同。

工程師的日常是靠模型做判斷、做設計、調參數、排錯誤。當結果不對，他的標準動作是懷疑自己：是不是 prompt 沒寫好，是不是思路錯了，是不是這個問題本來就難。

改寫、重試、換框架，一輪一輪迭代下去……這個協作循環，是工程師和工具之間最基本的信任關系：工具的輸出是穩定的，變量在用戶這邊。

但沉默的模型限制與降智正在摧毀這個信任關系。

當模型在你不知情時被限制有效性，“結果不對”就多了一種你永遠無法排除的解釋：也許不是我的問題，是它沒給我滿血版本，是它被做了更多手腳。你不再分不清“模型不會”和“模型沒盡力”，于是每一次失敗的歸因都被污染。

一位海外開發者的總結很到位：一旦開發工具可以在不告訴你的情況下，停止為你誠實地優化，你就不可能再完全信任你的工具。

此外，還有一個不夠誠實的細節，被刻意藏在官方 benchmark 總表的腳注里。

Anthropic 注明：評測分數取 Mythos 5 和 Fable 5 兩者中的較高值；帶星號的項目（網絡安全、生物等）兩者差距更大，因為安全機制的攔截，Fable 5 在這些項目上的表現更接近 Opus 4.8。

也就是說，在發布通稿的話術里，考出高分的是 Mythos，你花雙倍價錢買到的卻是 Fable，而在某些科目上，Fable 的真實水平接近上一代的 Opus。宣傳的是標稱能力，而用戶拿到的，卻是被減去一個看不見的系數。

某種程度上而言，Fable 5 的體驗都不是一個固定的點，而是一個概率分布。

絕大多數人摸到的是滿血區間，少數人摸到的是降級區間，而你無法事先知道自己在哪個區間。同一個模型，千人千面，這句話第一次有了字面意義。

安全的歸安全，生意的歸生意？

所以，模型能力的限制邊界，到底是安全問題，還是商業競爭問題？

說到這，就不得不提起 Anthropic 和中國模型公司之間的“蒸餾恩仇史”了。

今年 2 月 24 日，Anthropic 發博客點名 DeepSeek、月之暗面和 MiniMax，稱三家公司用約 2.4 萬個馬甲賬號和 Claude 對話超過 1600 萬次，系統性提取了 Claude 的推理、工具調用和編程能力，并給這個行為起了個名字，叫"工業規模的蒸餾攻擊"。

博客還把話題上升到“nation 安全”，稱這類行為印證了出口管制的必要性。而在這次 Fable 5 的產品說明文檔里，他們同樣陰陽怪氣了一句“防止來自威權國家的大規模蒸餾嘗試”。

反轉發生在 5 月底。

Opus 4.8 上線當天，就有用戶在 API 測試中發現，這個美國最強模型在被問到身份時，會自稱通義千問，或者 DeepSeek。網頁端問不出來，因為有系統提示詞兜著；API 裸調時，它就說漏嘴了。

輿論應聲反轉，指控者被按上了同一個罪名。

這場“蒸餾恩怨”的背后，其實是兩條路線的截然對立：一邊，中國頭部模型選擇了開放權重，Qwen 和 DeepSeek 在全球被自由下載、微調、商用，使用者里不乏美國公司，向世界單向供血；另一邊，閉源巨頭卻把“防蒸餾”寫進了安全分類器，碰一下就回退。

同一個行為，發生在開源世界叫繁榮，指向閉源模型就成了“攻擊”。

透過 Fable 5，可以看到模型行業一個極其殘酷的趨勢：前沿模型，已經從“統一能力的產品”，走向了“分層供給的特權”。

模型能力強不強，只是第一層競爭；強模型如何被切流、被限制、被審計、被分配給誰，正在成為與能力本身同等重要的“硬核技術”。

能力的邊界，不再由技術的極限決定，而由商業的規則決定。畫定規則的筆，正以“安全”之名，牢牢握在模型公司自己手里。

聲明：本文為 AI 前線原創，不代表平臺觀點，未經許可禁止轉載。

會議推薦

企業級 Agent 落地，繞不開 4 個真實的工程問題！如何在 Agent 安全性和可用性之間找到平衡點？Agent 需要什么樣的記憶系統才能真正理解上下文？如何通過算法壓榨實現智力增量與成本控制的極致平衡？多 Agent 協作，如何做到可觀測、可治理、可控制？6.26-27 AICon 上海站，國內頭部公司的 Agent 實踐，一次說透。

今日薦文

你也「在看」嗎？