Fable 5 снова в строю: четыре уровня фильтра для киберзапросов

С 2 июля 2026 Claude Fable 5 снова доступен всем пользователям глобально — вместе с обновлёнными киберзащитами. Anthropic разложила, как модель сортирует запросы по четырём уровням риска: от явно запрещённых до безопасного кодинга. Классификаторы работают рядом с моделью и отсекают опасное использование; у Fable 5 запас прочности шире, чем у прошлых версий — больше ложных отказов ради жёсткого отсева.

Параллельно команда показала черновик шкалы серьёзности jailbreak — необычных промптов, которые обходят защиты. Над рамкой работали с партнёрами Glasswing: цель — общий язык с регуляторами о рисках. Нашли уязвимость — можно отправить через программу HackerOne; отзывы по схеме — на cyber-safeguards@anthropic.com.

Четыре категории киберзапросов

Кибербезопасность двойного назначения: одна способность помогает и защитникам, и атакующим. Поэтому Fable 5 не блокирует всё подряд, а различает четыре типа запросов.

• Запрещённое использование — ransomware, разработка малвари, фишинг, атаки на инфраструктуру. Пользы для защиты мало — блокируется всегда.
• Высокий риск двойного назначения — пентест, эскалация привилегий, разработка эксплойтов, поиск сложных уязвимостей, недоступных другим моделям. Пока тоже под запретом.
• Низкий риск двойного назначения — OSINT, сканирование публичных систем, поиск уязвимостей, с которыми справляются другие тулы. Чаще пропускается, но часть режется запасом прочности.
• Безопасное использование — безопасное кодирование, исправление простых или уже найденных дыр. Разрешено; редкие ложные срабатывания.

Запас прочности

Запас прочности — зона, где безопасные и низкорисковые запросы блокируют «на всякий случай». У Fable 5 она шире, чем у прошлых моделей: запрос должен выглядеть очевидно безопасным. Автогенерацию эксплойтов режут всегда; «высокоподъёмный» поиск уязвимостей — тех, что находят только топ-эксперты — тоже под запретом. Если ту же дыру находят массовые модели, Fable может помочь её закрыть.

Классификаторы — один из слоёв: к ним добавляются контроль доступа, обучение безопасности и офлайн-мониторинг. Список категорий может меняться по обратной связи и по поведению фильтров в проде.

Источник: More details on Fable 5’s cyber safeguards and our jailbreak framework.