Fable 5.2 說誤擋少了一半,我那個「被擋就換模型」的開關還是不會打開
臺灣時間 11 月 10 日凌晨,Anthropic 發布了 Claude Fable 5.2 和 Claude Mythos 5.2。公告裡我最先找的是安全分類器那一段:Fable 5.2 的資安和生物防護跟 5.1 一樣強,但在 claude.ai、Claude Code 和 Cowork 的早期測試裡,被擋的次數比 Fable 5.1 少了大約 55%,資安類少了大約六成,生物類少了大約四成。同一段也寫了被擋之後會怎樣:資安類改由 Opus 4.8 回答,生物類改由 Opus 5 回答。
我會先找這段,是因為 11 月 1 日我才被擋過。那天我在 T3 Code 裡讓 Opus 5.5 替 FEX 補 x86 偵錯暫存器的支援,FEX 是一個開放原始碼的 x86 模擬器。寫到 wineserver 用 ptrace 設定的偵錯暫存器值,要怎麼生效到遊戲的執行緒時,連續三次被 safeguards 擋下,錯誤訊息最後掛著 [cyber]。這行標籤是從哪裡來的,我在 11 月 2 日那篇寫過。
支援說是誤判
我當天就向 Anthropic 支援回報。11 月 4 日的回信說,三次都是 Opus 5.5 自動安全檢查的誤判。這個檢查刻意設得很寬,讀的也不只是我打的字,模型讀到的記憶、檔案、連接器和網頁結果都算,所以他們也說不出是 session 裡哪一段觸發的。誤判不代表對我的判斷,帳號不會有任何處置。給資安專業人士的 Cyber Verification Program 不適用,我的工作被歸在模擬器和遊戲開發。回信也列了幾個建議:改訊息重送、開一個不帶舊脈絡的新對話,還有檢查「Switch models when a message is flagged」這個設定。
這個開關是我刻意關的
這個設定在 Claude Code 的設定檔裡叫 switchModelsOnFlag,沒設的話會自動換。Opus 5.5 或 Fable 的請求被標成資安類,Claude Code 會把那個回合改在 Opus 4.8 上重跑,之後整個 session 就留在 Opus 4.8,要自己用 /model 切回來。我把它設成 false。在能跳出選項的互動 session,它會停下來讓我選;在 T3 這種透過 Agent SDK 跑、跳不出選項的地方,被標的請求就直接以拒絕結束。
我關掉它的原因很簡單:我不要被標的那一步,被默默換給能力比較弱的模型做。支援信自己也寫出了第二個理由:每個模型有各自的安全檢查,換過去不一定能過,另一個模型也擋的話,session 一樣會停下來。開著它,要先付降級的代價,也不保證換得到答案。
11 月 4 日我回信時寫了這兩點,還主動說可以提供專案的 repo,證明我在做什麼。11 月 5 日的回信說已經轉給團隊審查,我問的具體問題都還沒回答。
55% 是誰跟誰比
所以看到 Fable 5.2 的公告,我在意的是兩件事。
第一,55% 是 Fable 5.2 跟 Fable 5.1 比。我被擋的是 Opus 5.5,公告沒有說 Opus 5.5 的分類器有沒有一起調。同一份公告也寫,Fable 5.2 的防護會擋下大部分資安相關的工作,真的要做這類事,要去申請 Mythos。我做的是讓遊戲在另一個平台跑起來,支援已經說這不算資安工作,可是分類器讀到 ptrace、讀到寫進另一個程序的暫存器時,不會先問我在做什麼。
第二,被擋之後的路沒有變,資安類還是交給 Opus 4.8。Anthropic 自己建議把最難、最開放的技術工作交給 Fable,而被擋的那一刻,通常也是那段工作最難的時候,接手的卻是比 Opus 5.5 還舊的 Opus 4.8。少擋一半是好事,只是只要還會擋,換過去的那一步就還是同一種降級。
開關我不會打開
被擋的時候,我還是照原本的做法:回報、改寫 prompt,先講清楚這是遊戲相容性的工作、開不帶舊脈絡的新 thread,再不行就由我決定改派別的代理。11 月 11 日我已經把 Fable 5.2 用在別的工作上了,像是 Squelch 的音量放大,還有蓬萊的設定選單。那些都不是當初被擋的那一類。它實際能少擋多少,還是要等我把同一類工作交給它才知道。我比較想知道的,是 11 月 5 日那封信說的團隊審查,之後到現在都還沒有新的回覆,最後會不會回答我問的那件事:安全檢查能不能拿到專案層級的脈絡,知道這個 repo 從頭到尾在做什麼。

COMMENTS 留言討論
載入留言系統中...
無法載入留言系統。您可以前往 GitHub Discussions 參與討論。