Fable 5 的真正故事在于数据保留条款

# Claude Fable 5 表明下一场 AI 战争将是关于受控能力 来源：https://medium.com/ai-engineering-collective/claude-fable-5-shows-the-next-ai-war-is-over-controlled-capability-e7bb845a88cd ## Anthropic 的最新发布不仅仅是关于更智能的模型。它关乎谁有访问权限、什么会被路由避开、哪些数据必须保留，以及需要多少基础设施才能大规模提供前沿智能。 Debjit Dey (https://medium.com/@debjitdey_59101?source=post_page---byline--e7bb845a88cd---------------------------------------) 按回车键或点击查看完整尺寸图片 来源：封面图片由作者使用 AI 生成。Dario Amodei 参考照片：Fabrice Coffrini/AFP via Getty Images，世界经济论坛 2025。Claude 标志/文字商标属于 Anthropic。 **AWS 关于 Claude Fable 5 的发布说明中，最重要的句子并非关于基准测试。** 它是这一句： > *“一旦你选择加入数据保留，你的数据将离开 AWS 的数据和安全边界。”[2]* 这句话听起来不像模型发布，更像企业架构评审。而这正是 Claude Fable 5 值得关注的原因。 Anthropic 的新模型显然会在常规指标上被比较：编码、推理、长上下文任务、视觉能力、定价、智能体任务，以及它是否能击败 OpenAI、Google、xAI、Meta 或 DeepSeek 本月提供的任何产品。这种比较会发生，其中部分会有用。 但真正的故事并非仅仅 Anthropic 发布了一个能力更强的模型。前沿实验室现在理应做到这一点。模型发布已变得非常常规，以至于原始能力本身不再是全部头条。 更有趣的故事在于，Anthropic 在发布能力的同时，为其配备了可见的控制结构。 Claude Fable 5 是 Anthropic 的 Mythos 级能力的广泛可用版本。Claude Mythos 5 共享相同的基础能力，但仅通过 Project Glasswing 和经过批准的客户有限发布。Anthropic 自己的 API 文档将 Fable 5 描述为其最具能力的广泛发布模型，专为要求苛刻的推理和长期智能体任务而构建，而 Mythos 5 则承载相同能力但不含安全分类器。两者都支持 100 万 token 上下文窗口和高达 12.8 万输出 token。两者定价均为每百万输入 token 10 美元，每百万输出 token 50 美元。[1] 这个结构比模型名称更重要。 这不只是“这是我们最好的模型，放手去构建吧。”它更接近于：这是一个高能力系统，以下是不同用户可以访问它的界面，以下是风险被区别对待的领域，以下是保留策略，以下是回退机制，以下是可用区域，以下是运行它所需的基础设施。 这才是构建者应该关注的部分。 AI 竞赛并未远离模型能力。能力仍然重要。但能力现在正在像基础设施一样被包装、被门控、被路由、被监控和被融资。 ## 旧的模型发布叙事现在已经过于单薄 思考 AI API 的老方法很简单：选择一个模型，发送一个提示，得到一个回复。也许你添加一个系统提示，也许一些检索，也许一个审核步骤，如果团队认真可能再加几项评估。 这个框架对于前沿系统来说已经不够了。 Claude Fable 5 是一个很好的例子，因为发布本身暴露了通常隐藏在演示背后的操作细节。Anthropic 的文档说，Fable 5 包含可以拒绝某些请求的安全分类器。当这种情况发生时，API 返回一个正常的 HTTP 200 响应，其中包含拒绝原因，而不是系统错误。同一份文档还描述了回退行为，即被拒绝的请求通常可以由另一个 Claude 模型来处理。[1] 这听起来像是一个实现细节，直到你思考它在生产环境中的含义。 模型调用不再仅仅是模型调用。它可以变成一个策略事件。系统必须决定一个请求应该由最强大的模型处理、被拒绝、在另一个模型上重试、以不同方式计费、以不同方式记录，还是被推送到不同的访问路径上。 这不是提示技巧。这是平台行为。 在普通的软件基础设施中，这不会让任何人感到惊讶。支付系统不仅仅“处理支付”。它会检查风险、位置、用户历史、欺诈信号、限额、结算规则和合规义务。云平台不仅仅“运行代码”。它强制实施身份、权限、配额、区域边界、日志记录和隔离。 AI 正在达到同样的阶段。 一旦模型能够处理大型代码库、推理安全问题、检查文档、使用工具、运行长期任务并嵌入企业工作流，周围的控制层就成为产品的一部分。不是可选的。不是未来的附加组件。而是产品的一部分。 ## Fable 和 Mythos 实际上是两个部署界面 Fable 和 Mythos 之间的分离是本次发布中最清晰的信号。 Anthropic 表示 Claude Fable 5 和 Claude Mythos 5 共享相同的能力，但 Mythos 5 仅通过 Project Glasswing 和经过批准的客户可用。Anthropic 的 Mythos 页面称，Mythos 5 目前仅向一小部分经过审查的合作伙伴提供，目标是在未来更广泛地开放访问。它还表示 Fable 5 是与 Mythos 5 相同的基础模型，但带有针对网络安全和生物学的安全保障。[3] 这就是故事的核心。 相同的能力等级。不同的暴露模式。 这很可能就是前沿 AI 的发展方向。当模型既适用于日常知识工作，又适用于高风险双重用途领域时，单一的扁平发布渠道就没有意义了。一个能帮助防御者在关键软件中发现漏洞的系统，也可能帮助攻击者。一个能辅助严肃生物学研究的系统，显然也会引发安全问题。一个能维持长期编码任务的模型，在一个组织中可能很有用，但在另一个组织中如果接触到错误的仓库、秘密或部署管道，就可能存在风险。 重点不在于能力不好。重点在于能力根据上下文会改变意义。 一个在审查过的防御性安全程序中使用的漏洞查找模型，与同一个模型随意暴露给任何拥有 API 密钥的人，不是同样的产品。一个协助受审查的医药研究人员的模型，与一个在敏感生物学工作流中提供无界程序性帮助的模型，不是同样的产品。一个在沙盒开发环境中的编码智能体，与一个拥有广泛生产访问权限的编码智能体，不是同样的产品。 这就是为什么“模型能力”本身正在成为一个不完整的指标。 更有用的问题是：什么能力被暴露给了谁，在何种信任模型下，采用何种监控，并且如果系统认为请求风险太高时有什么回退？ 这是一个不如“哪个模型更聪明？”那样病毒式传播的问题。但这也是严肃的 AI 团队在部署之前最终需要回答的问题。 ## 回退是比拒绝更重要的模式 很多关于 AI 安全的讨论仍然停留在拒绝上。模型说“不”。用户抱怨。提供者调整策略。人们争论过度封锁或封锁不足。 拒绝很重要，但它不是这里最有趣的设计模式。 回退才是。 AWS 表示，Claude Fable 5 包含的安全保障措施在滥用风险较高的领域限制了性能。与网络安全、生物学、化学和健康相关的有害提示会回退到 Opus 4.8。AWS 还指出，如果有害提示被路由到 Opus 4.8 而非 Fable 5，客户按 Opus 价格付费。如果请求在对话中途被阻止，初始 token 按 Fable 费率计费，后续 token 按 Opus 费率计费。[2] 这不只是一个安全功能。这是一个路由和计费系统。 平台不仅仅是在说“是”或“否”。它是在选择不同的能力等级。在某些情况下，用户可能仍然得到帮助，但不是来自最强大的模型。这是一种比将每个风险请求视为硬停止更为成熟的部署模式。 对于 AI 工程师来说，这类细节很重要，因为它指出了生产级 AI 系统实际将如何构建。 一个严肃的 AI 产品可能不会只用一个模型处理所有事情。它可能会将常规工作路由到较便宜模型，困难工作路由到前沿模型，敏感工作路由到更安全模型，受监管工作路由到有特定保留合同的模型，危险工作路由到拒绝或人工审查路径。用户可能体验到一个产品，但幕后系统正在不断做出关于成本、风险、延迟和能力的决策。 这已经是现代基础设施的运作方式。你不会将每个数据库查询发送到同一路径，每个网络请求通过同一策略，或每个用户操作通过同一信任级别。AI 正在迎头赶上。 “模型路由器”将成为 AI 栈中一个低调但重要的组件。大多数用户永远不会看到它。构建者会看到。 ## 数据保留规则改变了采用对话 保留要求是文章变得不那么激动人心而更加实际的地方。 Anthropic 的 API 文档称，Claude Fable 5 和 Claude Mythos 5 被指定为“受覆盖模型”，它们有 30 天数据保留期，并且在零数据保留下不可用。[1] AWS 更加明确。要在 Amazon Bedrock 上访问 Claude Fable 5，客户必须使用数据保留 API 选择加入数据共享。AWS 表示，此模式允许 Bedrock 根据模型提供者的要求保留并与模型提供者共享推理数据。Anthropic 要求 30 天输入和输出保留以及人工审查。AWS 还表示，一旦客户选择加入保留，他们的数据将离开 AWS 的数据和安全边界。[2] 这一个细节在公司内部会很重要。 对于业余项目来说，这可能无关紧要。对于公开演示，也许没问题。但对于处理敏感客户数据、法律文件、金融工作流、医疗记录、私有源代码、机密并购材料或受监管基础设施的企业来说，这不是一个小设置。 它改变了架构对话。 问题不仅仅是：“Fable 5 是这项任务的最佳模型吗？” 问题变成了：“这个模型可以在该合同下接触这些数据吗？” 这是一个采购问题、合规问题、安全问题和工程问题的结合。 一个模型可能在技术上非常优秀，但由于其数据政策不匹配，对于某个工作负载来说仍然是错误的选择。一个模型可能是最先进的，但仍被排除在某些内部工具之外，因为零数据保留承诺比边际质量提升更重要。一个模型可能非常适合公共研究分析，却完全不适合私有客户记录。 这就是为什么生产级 AI 不能简化为看排行榜。模型选择现在包括保留、审查、回退、区域可用性、提供者边界、计费行为和事件响应。 这听起来无聊，直到它涉及你的数据。 ## 算力不再是背景因素 围绕 Anthropic 的基础设施故事几乎同时到来。 路透社 6 月 9 日报道，Apollo 和 Blackstone 正在为 Anthropic 融资 350 亿美元，用于扩展 AI 计算能力，使用 Broadcom 的定制芯片和网络解决方案。初始承诺预计将增加 1 吉瓦的 AI 计算能力，部署将于 2026 年中期开始在 Fluidstack 运营的站点进行。更广泛的合作伙伴关系旨在到 2028 年为领先的 AI 实验室提供超过 20 吉瓦的计算能力。[4] 这与模型故事并非分离的，它就是模型故事。 前沿 AI 现在与物理能力紧密相连：芯片、网络、电力、冷却、数据中心和融资。一个出色但不可用的模型算不上什么产品。一个强大但运行成本过高而无法广泛使用的模型变成了门控资源。一个因为需求难以预测而需要分阶段访问的模型成了容量管理问题。 Anthropic 自己表示，预计对 Fable 5 的需求会非常高且难以预测。它正在谨慎地推出订阅访问，Fable 5 从发布到 6 月 22 日包含在 Pro、Max、Team 和按席位计费的 Enterprise 计划中，之后将需要用量积分，除非容量允许延期。[5] 这是一个由基础设施塑造的产品决策。 公众看到一个新模型。在幕后，提供者必须管理计算供应、企业需求、订阅预期、云可用性、安全监控和 token 经济学。这就是为什么前沿实验室越来越像云基础设施公司，而不仅仅是研究实验室。 AI 竞赛不仅仅是关于谁训练出最好的模型。它还关乎谁能承受得起提供、治理、路由它，并在压力下保持其可用性。 ## 这对 AI 工程团队意味着什么 给构建者的实际教训很简单：停止将模型选择视为架构本身。 它只是架构中的一个决策。 如果一个团队正在集成 Claude Fable 5、GPT-5.5、Gemini、Grok、Llama、DeepSeek 或任何未来的前沿模型，严肃的工作不仅仅是调用 API。严肃的工作是决定模型在系统中的位置。 它能看到什么数据？哪些用户可以调用它？哪些任务值得这个成本？哪些提示可能触发回退？哪些响应需要审查？模型拒绝时发生了什么？是否记录了模型 ID？发生回退时是否记录了实际服务的模型？产品是否向用户解释能力降级？如何处理保留要求？哪些工作负载因数据政策而被排除？如果容量消失，备份提供者是什么？ 这些不是理论问题。它们决定了一个 AI 产品能否在与真实用户、真实客户和真实风险的接触中生存下来。 原型可以直接调用最好的模型。生产系统需要访问边界。 原型可以忽略计费边缘情况。生产系统需要成本归因。 原型可以将敏感上下文粘贴到提示中。生产系统需要数据分类。 原型可以将拒绝视为烦扰。生产系统需要将拒绝和回退视为正常的响应路径。 原型可以信任单一供应商路径。生产系统需要可观测性，以了解哪个模型实际回答了以及为什么。 这就是 AI 工程集体视角变得有用的地方。AI 的下一个严肃层面不是另一个让一个演示看起来很惊艳的包装器。而是围绕模型部署的工程纪律：路由、权限、保留、可审计性、成本控制、容量规划和运营信任。 这并不比追逐基准测试更少技术含量。当软件离开演示阶段时，它在真正重要的方面更技术化。 ## 最强大的能力将由信任门控 这里还有一个更广泛的转变。 有一段时间，前沿 AI 感觉像消费软件。付费订阅，打开一个聊天窗口，使用你能接触到的最强模型。那个世界仍然存在，但已不足以描述前沿的发展方向。 最强大的能力正在被划分为不同等级。一些广泛可用但带有安全措施。一些位于可信访问项目背后。一些需要数据保留。一些在敏感领域被路由开。一些仅通过特定云提供商或客户团队可用。一些可能需要企业关系，客户才能看到完整能力。 人们会争论