概要
问AI"化验单上这项指标什么意思"，被转给一个更弱的模型；问"孩子课本里这段讲的什么"，同样被拦。过去几个月，不少 Fable 5 用户遇到过这种无语时刻。
8月7日，Anthropic 宣布更新 Fable 5 的生物学安全防护：测试中，生物学相关的回退减少了约 85%。
先看数字
"回退"指的是安全分类器判定请求落在受防护范围后，系统把请求转交给生物学能力较弱的 Opus 5。Fable 5 发布时，分类器边界画得极宽，大量明显无害的问题也被拦下。
这次更新砍掉的正是这些误报。按产品线拆：Claude.ai 的总回退预计降约 67%，Cowork 约 55%，Claude Code 约 17%，Claude 平台约 7%。越靠近普通用户的产品，改善越明显。
图注：误报拦截下调后各产品线的回退降幅（来源：Anthropic，2026-08-07）
当初为什么拦得这么死
Fable 5 在一些高复杂生物学任务上已经能超越专家。这能力对开发新疗法的研究者是助力，落到坏人手里，也可能是开发生物武器的捷径。Anthropic 的能力评估结论是：Fable 5 可能给恶意行为者提供"显著提升"，也就是他们在别处拿不到的能力。
分类器本身是个小型自动化 AI 系统，专门检测 Fable 5 何时被要求执行受防护的生物学任务。触发一次，请求就被重新路由一次。把它做得又快又稳并不容易：要区分"范围内"和"范围外"，防误报的同时防漏报，还得扛住越狱尝试。
生物学的麻烦在于，好事和坏事经常是同一件事。做活疫苗，要先培养它要预防的病原体；开发降压药卡托普利，科学家先分离的是蛇毒里让血压骤降的有毒成分。美国情报界《2026 年度威胁评估》直接点名：合成生物学和基因组编辑的进展"可能催生新型生物威胁"，若干国家行为者很可能维持着活跃的进攻性生物与化学武器计划。
所以发布时 Anthropic 做了一个简单粗暴的选择：屏蔽几乎所有生物学查询。代价是误报泛滥，但另一个选项，等安全防护打磨好再发布，会把模型开放推迟数周甚至数月。
这次挪的是边界，不是原则
更新的核心是重写分类器的"章程"，那组帮模型区分受防护内容和允许内容的规则。团队谨慎划定了良性用途，征求内部和外部专家意见，再基于新章程制作训练数据、重新训练分类器。验证结果：新分类器仍对有害及两用的研究性生物学内容普遍触发，同时放行更广泛的良性用途。
落到图上，就是分类器边界右移：良性请求放行，两用研究生物学和明显有害内容仍会触发拦截。
图注：发布时（A）与更新后（B）的分类器边界对比，边界右移而非消失（图源：Anthropic 原文）
具体场景：解读化验结果、理解日常症状、教育场景学生物，放行，医疗专业人员能拿到更多临床任务支持。病毒学、毒理学、分子设计这类两用请求，仍回退到 Opus 5，专业生物学研究和药物开发暂不开放。Anthropic 留了一句后手：要通过"可信访问途径"来弥合这个差距。
图注：本次放行良性用途，两用研究继续受防护
源势AI怎么看
我们在这件事里看到的不是安全新闻，而是一套工程方法论。
第一，安全是阀门，不是开关。发布时先拦死、容忍误报，章程重写后再把良性用途放出来。权限粒度决定可用性。企业落地 Agent 同样是这个逻辑：知识库和工具调用不是"开或不开"的二选一，而是"开到什么粒度"。
第二，"先上线后迭代"不是莽撞，是算过账的。等安全防护完美再发布，收益推迟数月；带着宽分类器先上线、持续收窄边界，用户早用早受益。做企业大模型项目也一样：等一个完美方案，往往等掉的是窗口期。
源势AI 做企业智能体落地时也是这个路数：先用宽策略划出底线，再用真实业务反馈持续收窄拦截范围，把准确率和可用率一起拉上去。安全和可用不是零和博弈，关键是有没有持续调边界的工程能力。
数据来源：Anthropic《改进 Fable 5 的生物学安全防护》（2026-08-07）；美国国家情报总监办公室《2026 年度威胁评估》。
