Anthropic 引入自评估安全复盘：Fable 5.5 之后模型启用

2 hours ago AI闪点

10 月 30 日，Anthropic 官方安全博客披露，自 Claude Fable 5 及之后发布的每个模型，在每次问答结束后都会再做一次自评估检查。这段自评估会生成一段用户看不到的安全复盘，判断整段对话是否可能涉及滥用，并决定后续处理方式。签订零数据保留协议的流量目前不会运行自评估。

把安全检查搬到每轮回答之后

过去模型的安全过滤集中在输入端与拒答策略上，这次的做法是把复盘放到输出之后，等于给每一轮已生成的回答补一道后置扫描。评估结果虽然不展示给用户，但会决定这段对话后续是被继续、被打断还是被终止。对长会话场景来说，模型在中途滑向危险讨论时的干预窗口因此提前了。

Fable 5.5 与新 Opus 的传闻

同一时间，社区里出现新模型被路由的迹象。有用户在使用 Opus 5.5 时被分配到更新的模型，效果明显好于当前 Opus，怀疑是 Fable 5.5 或下一代 Opus。结合 The Information 的爆料，Anthropic 准备推出更能读懂用户意图的模型，新模型不只修 Bug，还会找到导致 Bug 的底层问题并询问是否修复整个问题类别。社区流传的一个验证办法是直接问模型某位研究者的近期去向，答案准确性成了区分新旧模型的试金石。这类传闻尚未获官方确认，模型能力基准的横向比较可参考 Claude Opus 5.5 在饱和基准上 45.6% 的通过率。

延伸阅读

AI 自学笔记 每天更新 AI 前沿动态，订阅 RSS，或按 Ctrl/⌘+D 收藏本站，明天见。

继续读

同一批更新里这几篇值得一看：

想快速查定义？对应的词条在这里：

Related News