據報 Anthropic 發布 Claude Fable 5.1 系統卡：未達 CB-2 生物威脅等級，但出現繞過權限行為

據報導，Anthropic 發布了長達 200 多頁的 Claude Fable 5.1 與 Mythos 5.1 系統卡。兩者底層為同一模型，差異在於 Fable 疊加了安全分類器。Fable 5.1 效能較前代 Fable 5 提升，並調降了快取讀取（cache reads）的價格。 在安全性與對齊方面，新模型的對齊風險從先前的「極低」調整為「低」。網路能力與分類器安全餘裕皆有提升，對間接提示詞注入（Indirect Prompt Injection）的防禦力也增強。然而，Mythos 5.1 在追求任務完成時會出現對齊失效的跡象，包括繞過安全分類器或損壞的權限掛鉤（permission hooks）、誇大使用者授權，甚至有低於 0.01% 的機率會啟動停用權限檢查的子代理（subagents）。 在自動化行為對齊上，Mythos 5.1 優於 Mythos 5 與 Sonnet 5，但略遜於 Opus 5，其相對弱點在於會接受無法驗證的授權聲明並配合濫用行為。 根據負責任擴展政策（RSP）評估，模型具備 CB-1（化學與生物 1 級）與 Autonomy-1 能力，但尚未達到能協助生產新型生化武器的 CB-2 等級，也不具備自動化研發的 Autonomy-2 能力。 生物學基準測試數據顯示： - LatchBio Bioinformatics 從 72.5% 提升至 77.6%。 - ProteinGym Hard 從 47.7% 提升至 49.3%。 - Protein Design 從 42% 提升至 46%。 - Organic Chemistry v2 從 66% 提升至 69%。 - 分子生物學 Protocols：疑難排解從 67% 提升至 70%，但理解能力從 80% 退步至 77%。