Anthropic 重新上线 Claude Fable 5

• 更新Claude Fable 5 和Claude Mythos 5 重新部署2026 年 7 月 1 日现在已恢复对Claude Fable 5 和Claude Mythos 5 的访问。 Claude Fable 5 和Claude Mythos 5 重新部署

《Claude Fable 5》和《Claude Mythos 5》的访问现已恢复。

6 月 12 日星期五，美国政府对我们的最新型号 Claude Fable 5 和 Claude Mythos 5 实施了出口管制。这要求我们限制外国人的进入，无论是在美国境内还是境外国家。由于该命令立即生效，并且我们没有可靠的方法来实时验证国籍，因此我们暂停了所有用户对这两个模型的访问。

截至今日（6 月 30 日），《神鬼寓言 5》和《Claude Mythos 5》的出口管制已解除。

《神鬼寓言 5》将于明天（即 7 月 1 日星期三）开始在 Claude Platform、Claude.ai、Claude Code 和 Claude Code 上向全球用户开放。Claude Cowork.对于 Pro、Max、Team 和精选企业计划1，截至 7 月 7 日，《神鬼寓言 5》将包含在每周使用限额的 50% 内，之后将通过使用积分提供。我们将尽快重新启用对 AWS、Google Cloud 和 Microsoft Foundry 的访问。

根据美国政府的要求，我们还恢复了一组美国组织对 Mythos 5 的访问权限6 月 26 日获得批准。我们继续与政府协调，扩大 Glasswing 计划接触更广泛的国内和国际合作伙伴的机会。

在本文的其余部分中，我们在四个方面提供了更多详细信息和更新：

• 事件时间表，包括我们对保障措施所做的更新。我们讨论直接导致出口管制的事件以及我们如何通过新的保障措施来解决这个问题。
• 我们的总体保障措施。我们提供了更多有关如何使用安全分类器来检测模型的潜在危险网络安全用途的背景信息。

时间表和保障更新

我们于 6 月 9 日星期二发布了《神鬼寓言 5》和《Claude Mythos 5》。它们都具有相同的底层模型，但《神鬼寓言 5》是与 stron 一起发布的g 保障措施使其一般使用更安全。 Mythos 5 的保护措施较少，仅发布给少数值得信赖的 Project Glasswing 合作伙伴，用于防御性网络安全。

6 月 12 日的出口管制指令是在政府得知一份报告后发布的，其中亚马逊研究人员发现了一种绕过《神鬼寓言 5》安全措施的方法：提示它，以便我t 发现了许多软件漏洞。在一种情况下，该模型生成的代码演示了如何利用相关漏洞。在过去的两周里，我们与政府和包括亚马逊在内的其他合作伙伴密切合作，审查了该报告和证据。

我们的测试证实了许多功能较差的模型，包括 Claude Opus 4.8、GPT-5.5 和 KimiK2.7——可以识别与《神鬼寓言 5》报告中相同的漏洞。在演示如何利用单个漏洞时，我们测试的每个模型都可以产生与《神鬼寓言 5》相同的演示（包括 Claude Haiku 4.5、Sonnet 4.6、Opus 4.6、Opus 4.7、Opus 4.8、GPT-5.4、GPT-5.5 和 Kimi K2.7）。

重要的是，所报道的技术没有暴露任何独特的神话级网络能力。这种行为反映了《神鬼寓言 5》安全措施的边缘情况——正如我们将在下面解释的那样，有些任务不太可能是危险的，但出于充分的谨慎而被安全措施阻止了。所报告的技术允许访问一种此类行为，但它只涉及例行的防御性网络安全工作。

即便如此，我们迅速采取行动解决所报告的绕过问题。我们与政府密切合作，训练了一种改进的安全分类器，该分类器针对并阻止报告中描述的行为。如果对《神鬼寓言 5》的请求被阻止，用户将收到通知，并且该请求将被发送到 Opus 4.8。

新的分类器意味着亚马逊报告中描述的特定技术被屏蔽在超过 99% 的情况下。在极少数情况下，模型提供的信息可能不够详细，无法帮助网络攻击者。正如我们下面所描述的，该模型的保障措施预计不会阻止所有低风险的常规网络防御功能，而只会阻止那些可能有害的功能。美国商务部人工智能标准与创新中心（CAISI）的研究人员我们测试了我们之前的和新的保障措施，并同意它们非常强大。

新的分类器还以在日常编码和调试任务期间更频繁地标记良性请求为代价。与我们所有的保障措施一样，我们将继续完善这一点，以更好地区分真正的滥用与合法请求，并减少误报。

我们的方法网络安全保障措施

Claude Mythos 5 可以比任何其他模型（除了最熟练的人类安全专家之外的所有模型）更有效地查找和利用软件漏洞。这些惊人的网络安全功能使其对那些希望在网络攻击中滥用它的恶意行为者具有独特的吸引力。

然而，《克劳德寓言5》并没有提供如此独特的进攻方式。能力。这是因为我们在推出它时采用了迄今为止应用于模型的最强大的保障措施。在发布前一个月，我们从 Anthropic 内部各个团队调动了工作人员，使解决该问题的研究人员和工程师数量增加了一倍。

《神鬼寓言 5》推出了多种安全机制，每种安全机制单独使用并不能提供完美的防御，但结合起来使用使模型很难被滥用（一种称为“纵深防御”的方法）。一些防御措施包括训练模型拒绝协助危险请求；其他涉及追溯分析滥用模式。

一个特别重要的安全机制涉及分类器——较小的自动化人工智能系统，在交互过程中，检测模型何时被要求执行形成潜在有害的网络安全任务（或产生潜在有害的输出）。发生这种情况时，分类器会阻止模型响应请求。这些分类器的最终目标是防止模型从事独特的危险行为。

与所有安全机制一样，分类器也可能会犯错误。他们有时没有注意到潜在的危险c内容，在某些情况下，它们可以被故意“越狱”：用户可以以不寻常的方式提示模型来欺骗分类器，并使模型产生系统应该阻止的有害输出。

因此，我们特意将安全分类器设置为触发一组我们知道可能是良性的请求。这种“安全裕度”方法意味着请求必须看起来非常安全，可以避免触发分类器（参见下图中的 A 行）。用户将安全裕度体验为拒绝响应某些合理、无害请求的模型。

对于《神鬼寓言 5》，我们将这个安全裕度设置得比之前的任何发布都要大得多（B 行），这意味着更多良性请求将被阻止。我们知道这些类型的误报es 会让用户感到沮丧，但做出这种权衡是为了使模型的其他功能广泛可用。

安全裕度还有助于减少越狱。许多越狱都是狭隘的：它们解锁了非常具体的模型行为，仅此而已。在某些情况下，假设的用户可以以较小的方式越狱模型并侵入安全裕度（或某些次进入模糊的有害行为），但不是我们旨在阻止的核心有害行为（下面的 C 行）。我们的观点是，迄今为止报道的《神鬼寓言 5》越狱事件属于这一小类。

更严重的越狱会解锁更多有害行为。狭隘的有害越狱（D 行）可能会引发一些特定的有害行为。这些越狱通常是低到中度的性，因为狭窄限制了攻击者。最令人担忧的类别是通用越狱（E 行），它可以解锁多种有害行为。

正如我们在推出《神鬼寓言 5》时指出的那样，不可能使任何 AI 模型完全稳健（即不受越狱影响）。3 我们预计我们的模型会发现一些越狱，并且它们会在很大程度上有所不同。真实性：将会有许多轻微的越狱，一些狭隘的有害越狱，尽管在撰写本文时尚未发现《神鬼寓言 5》的通用越狱，但专家安全研究人员仍在继续对其进行红队攻击。我们力求确保我们和我们的安全合作伙伴将首先发现重大越狱并修复它们，然后恶意行为者可以利用它们进行伤害。

谨慎的做法上面提到的意味着绝大多数越狱都无法成功解锁危险行为。我们的分类器使得成功的越狱成本非常高，而且生产工作量很大，即使越狱成功，我们额外的防御层也能提供额外的缓解措施。随着我们更多地了解新颖的越狱技术，我们将继续更新我们的分类器。

达成共识美国越狱行业框架

目前，人工智能行业对于如何客观地描述人工智能越狱的严重程度尚未达成共识。每当发现新的越狱技术时，这都会增加很大的不确定性：开发人员对于最紧急关注哪些发现没有达成一致的标准，而政府对于何时采取行动也没有达成一致的标准第四幕

随着更多具有强大网络安全（和其他）功能的模型得到训练、评估和发布，这个问题在未来几个月将变得更加严重。评估人工智能越狱的通用标准将帮助我们和其他公司安全地推出新模型，并允许我们的用户充分利用他们的先进功能。

因此我们正在合作与亚马逊、微软、谷歌和其他 Glasswing 合作伙伴一起起草一个共识框架，用于评估人工智能越狱的严重性以及人工智能开发人员应如何应对。我们邀请其他行业合作伙伴和模型提供商加入我们的行列。

我们当前的建议是根据以下四个不同的标准来获得给定的越狱分数。前两个描述了监狱的内容eak 提供给攻击者；后两者描述了越狱如何迅速成为现实世界的问题：

• 可发现性。对于某人来说获得这项技术有多容易？如果需要专业知识，则得分较低；如果它已经广为人知并且可以在网上获得，那么它就会得分很高。 我们建议使用这个严重性框架来校准我们对 n新近发现的越狱。对于最严重的越狱类别（例如，除其他特征外，越狱被用来主动对关键电网或银行系统造成毁灭性影响），我们将在确认严重性后立即开始部​​署初步缓解措施。我们还正在创建一个团队来提供关键越狱提交渠道的 24/7 监控LS。

任何越狱评分方法都是不完美的。尽管如此，能够通过通用框架传达给定发现的大致严重程度还是有价值的。这是一项正在进行的工作；随着我们收到更多合作伙伴的反馈，我们预计该框架会随着时间的推移而不断发展。

我们预计很快将分享有关拟议框架的更多细节。与此同时，我们我们还启动了一个新的 HackerOne 计划，安全研究人员可以提交他们在《神鬼寓言 5》中发现的潜在网络越狱（一旦可用）供我们审查。

与美国政府合作推进前沿人工智能安全

在过去的十周里，Anthropic 与美国政府密切合作，制定了 6 月 2 日舞会行政命令中反映的方法关注先进人工智能创新和安全。我们的参与涉及国家网络主任办公室、科学技术政策办公室、财政部、商务部（包括 CAISI）和相关国家安全机构。

我们致力于在近两年的现有合作基础上继续开展这项工作与美国政府合作伙伴就部署前测试和评估进行合作。以下承诺既反映了现有工作，也反映了我们在上述框架最终确定后扩大政府合作的新建议：

我们希望这种合作以及我们提出的共识行业框架能够成为整个行业系统规则的基础甚至提供了一个模板的开端，以便在人工智能的风险和收益方面进行有效的全球协调。

这些规则应该被编入强有力的监管中，并在前沿模型开发人员之间平等应用。政府参与人工智能发布需要一个持久、透明的流程，为网络防御者和其他人提供访问强大模型所需的确定性s。

我们期待以上述方式深化我们的政府合作。我们还感谢用户在这次中断中与我们一起度过，并感谢与我们一起努力使《神鬼寓言 5》和《Claude Mythos 5》再次可用的研究人员和行业合作伙伴。

• 类似地，没有任何软件能够免受漏洞的影响（尽管一般来说，软件漏洞比 LLM 越狱更容易发现和修补）。
• 在安全研究的其他领域，存在商定的标准：例如，通用漏洞评分系统（CVSS）是评估给定软件漏洞严重性的常用方法。

相关内容

介绍克劳德十四行诗 5

Sonnet 5 传递 fr大规模编码、代理和专业工作的卓越绩效。

科学家人工智能工作台 Claude Science 现已推出

Claude Science 是一款可定制的应用程序，它集成了研究人员最常使用的工具和软件包，生成可审核的工件，并提供对计算资源的灵活访问。

克劳德·塔格介绍

克劳德·塔格是团队与 Claude 合作的新方式。

来源：Anthropic