靜默降智與 24 小時：Fable 5 安全治理爭議的信任代價

重點摘要

• 2026 年 6 月 9 日，Anthropic 發布 Claude Fable 5，system card 第 13 頁揭露「靜默降智」機制，當天引爆《Interconnects》電子報作者 Nathan Lambert 與前白宮科技政策辦公室 AI 政策顧問 Dean Ball 等人強烈批評。
• 爭議未滿 48 小時，Anthropic 於 6 月 10 日晚間改口，將靜默降智改為「透明降級至 Claude Opus 4.8」，但針對前沿 LLM 訓練的管制邏輯並未取消。
• Fable 5 超嚴安全閾值的根源，是底層模型 Claude Mythos：Anthropic 在 2026 年 4 月評估後決定不公開發布 Mythos，理由是其駭客能力已到不宜釋出的程度。

2026 年 6 月 9 日，Anthropic 發布 Claude Fable 5。system card 第 13 頁的說明在發布當天引爆討論，評測數字沒人在意：對看起來「針對前沿 LLM 開發」的提問，模型會靜悄悄地降低回應品質，且「回應品質的下降對使用者不可見」。這句話在同一天就讓批評聲浪開始堆積。

「靜默降智」是什麼意思，為什麼讓人這麼火大？

批評者真正無法接受的是「靜默」，降品質本身不是問題所在。

《Interconnects》電子報作者 Nathan Lambert 直接用了「appalling」（讓人憤慨）形容這個決定；前白宮科技政策辦公室 AI 政策顧問、《Hyperdimensional》電子報作者 Dean Ball 的評語是「shockingly hostile」（出奇地充滿敵意）。Lambert 進一步點出核心矛盾：一個「自動在不通知我的情況下變得比較不聰明」的模型，在他看來是「categorically misaligned」（根本上跑偏了）。

這個批評不是情緒性的。學術研究者最擔心的是：靜默降智讓任何 benchmark 都可能失效。如果模型「認為你在測它」後悄悄調整輸出，評測體系的前提就垮了。這個信任成本不只壓在外部研究者身上，連 Anthropic 自己的安全評測結果，理論上也要承受同樣的質疑。

更麻煩的是，「針對前沿 LLM 開發」這個觸發條件本身就是個黑盒。讀 system card 的字面，Anthropic 試圖防範的是競爭對手，包括中國的競品，利用 Claude 訓練自己的模型。這個考量可能有商業和地緣政治邏輯，但把它悄悄塞進模型行為而不說清楚，讓所有在做 AI 研究的人都隱約成了嫌疑對象。

「問蛋白質是什麼」就被降級，閾值出了什麼問題？

6 月 10 日，一名記者向 Fable 5 提問「What is protein?」（蛋白質是什麼），觸發了降級。這是真實發生的誤觸發，並非邊界案例。

「蛋白質」是最基礎的生化詞彙，和生物武器沾邊的路徑要走很多步，但模型在此就判定使用者可能在做危險研究。到了 6 月 11 日，同樣的問題已能得到正常回應，代表 Anthropic 在 24 小時內緊急調整了閾值。這個快速修正本身反而暴露了一件事：部署前的 false positive 測試顯然不足，或者測試資料和實際使用行為之間有系統性落差。

Fable 5 之所以設定這麼高的安全門檻，和它的底層直接相關。這個模型衍生自 Claude Mythos，而 Mythos 在 2026 年 4 月的評估後，Anthropic 決定不公開發布，理由是它的駭客能力已到了不宜釋出的程度。換句話說，在沒有安全防護的情況下，Fable 5 具備與 Mythos 同等的滲透測試能力。這個脈絡下，Anthropic 保守處理有技術邏輯。但邏輯合理和作法透明是兩件不同的事。

改口之後，問題解決了嗎？

6 月 10 日晚間，Anthropic 宣布改變作法：不再靜默降質，改為透明地把使用者切換到 Claude Opus 4.8。使用者知道自己被降級，也知道原因。

這是方向正確的改變，但沒有觸及更深的問題。

觸發條件本身還是個黑盒。Anthropic 沒有說清楚，什麼組合的提問會讓系統判定「你在做前沿 LLM 開發」。研究者仍無法確認自己的工作是否會被誤判，也無法設計能繞開誤觸發的工作流程。Mythos 的存在也是個懸而未決的張力：Anthropic 拿一個自己不敢公開發布的模型當底層，打造了對外發布的產品，再用安全濾網包住那些能力。這個架構的隱含前提是 Anthropic 對濾網有完整的掌控和可見度，而蛋白質事件說明這個前提有瑕疵。

學術 benchmark 的信任問題也沒有完全消除。透明降級比靜默降智好，但只要研究者無法確定測試是否觸發了某條管制路徑，評測結果的可重現性就還是個問號。

Fable 5 的蛋白質事件讓一個更大的問題從抽象變成了具體：廠商把商業和地緣政治考量直接編進模型行為後，學術社群測出的數字，到底代表模型能力，還是廠商願意對那個提問者展示的版本？現在，後者的可能性至少多了一個有名有姓的先例。