先说个令人震惊的真实事件。

没错，主角依然是前几天刚刚重磅发布 Claude Fable 5 的 Anthropic 公司。

Fable 5 发布时的排面确实够足。SWE-Bench Pro 得分高达 80.3%，将第二名远远甩开 11 个百分点；前 Tesla AI 总监 Andrej Karpathy 直接盛赞「这绝对值得一次大版本号升级」；支付巨头 Stripe 用它在一份 5000 万行 Ruby 代码库中跑了一整天的迁移，最终顶上了原本需要整个团队两个月才能完成的工作量。势头之凶猛，让许多人一度以为 AI 编程真的迈入了全新纪元。

然而，香槟还没来得及庆祝，转眼就被自己的「安全护栏」狠狠绊了个大跟头。

系统说明文档里写得明明白白：Fable 5 被设计成一旦检测到用户正在从事前沿 AI 研发工作，模型就会悄悄降低回答质量——而且全程不通知用户。换句话说，你支付着 Fable 5 的订阅费用，收到的可能只是 Opus 4.8 级别的服务，且没有任何提示。

Anthropic 为此动用了提示词修改、转向向量等多种技术手段，让模型在特定查询下暗中变「笨」，整个降智过程对用户完全不可见。

这一操作在研究社区瞬间炸开了锅。不少学者和开发者公开批评，称此举严重损害用户信任，本质上是在背刺付费用户。舆论压力之下，Anthropic 在发布后短短几小时内就紧急宣布调整政策：降智还是会继续，但不再偷偷进行——触发安全拦截时，模型会明确告知用户，并自动切换到 Opus 4.8 版本进行回答。至少官方是这么表态的。

然后，更尴尬的剧情接踵而至。

正因为 Fable 5 现在的降智操作变得「透明」了，一些有趣的情况也跟着浮出水面。

其中最让人无语的，就是 Fable 5 在 ProgramBench 基准测试上的「表现」。

ProgramBench 来自大名鼎鼎的 SWE-Bench 作者团队，专注于「从编译后的二进制文件重建源代码」这一高难度逆向工程任务。它一上线，就把当时所有前沿 AI 模型全部清零：Claude、GPT、Gemini，无一幸免，完成率清一色 0%。这件事我们之前报道过，当时确实让整个 AI 圈沉默了好一阵。

那么，Fable 5 的成绩如何呢？

不是 0 分。而是直接拒绝作答：200 道题，全部拒绝！

ProgramBench 之所以没有 Fable 5 的成绩，是因为「重建编译后的二进制文件」这个操作触发了 Fable 5 的网络安全分类器。说白了，Fable 5 一看到这道题，判定它涉及「二进制逆向」，直接拉响安全警报，拒绝作答。200 道，一道不落。

有趣的是，Fable 5 在其他编程基准上可是一点不含糊，都能好好答题。

图注：Fable 5 在不同基准上的成绩和排名

然而，就在这份弃考成绩单提交之后，ProgramBench 排行榜做了一个令人目瞪口呆的决定：综合其他基准表现，仍然将 Fable 5 列在了榜首。

一个字都没答的考生，却坐上了第一名的宝座。这大概是 AI 评测史上头一遭：弃考也能登顶榜单。

当然，这操作很快引来了四面八方的质疑。有人直接发问：正经考试交了白卷怎么能得第一名？应该直接给零分才对。

这也让大量网友吐槽其安全护栏过高，以至于难以在实际应用中派上用场。

顺带一提，有网友还发现，Fable 5 在英文输出中依然会偶发性地夹杂汉字，这个老毛病到了这一代还没彻底治好。

事实上，Fable 5 的「过度拒绝」问题并非首次出现在 Claude 家族。

早在 Claude 3 Opus 时代，研究人员就发现该模型在面对安全测试题目时，会在解题进行到一半时突然罢工，以「伦理顾虑」为由拒绝继续作答。Claude 3.5 Sonnet 也曾被记录到在结构化 bash 任务中以「制作 payload 涉及执行命令」为由直接拒绝。

Fable 5 的问题究竟出在哪里？

回到 Fable 5 本身。根据目前公开的信息，它的「护栏系统」采用了两级架构：一个探针实时监控模型的内部激活状态，对所有流量进行扫描；一旦触发警报，请求会被上报给一个独立训练的 LLM 分类器做最终裁决。

这套系统拦截的领域，涵盖网络安全、生物化学，以及前面提到的前沿 AI 研发。以 Terminal-Bench 2.1 为例，约 20.9% 的测试用例触发了安全拒绝并回退到 Opus 4.8。

ProgramBench 的「二进制重建」任务，在分类器眼里，大概和「逆向工程恶意软件」没有太大区别，于是 200 道题统统被挡在了门外。

Vals AI 在实测中也发现，Fable 5 在生物和网络安全相关问题上的拒绝率明显偏高，以至于他们不得不将 Opus 4.8 配置为默认兜底模型。换句话说，Fable 5 拒绝的任务，就让 Opus 4.8 来接。

技术上这套系统当然有其合理性。Fable 5 的前身 Mythos 级模型，在漏洞利用、进攻性网络操作等任务上展现出了让各国政府都坐不住的能力，这也是 Anthropic 一直将其列为受限模型的核心原因。给这样的模型套上严格的安全枷锁，似乎也说得通。

但问题在于，当安全护栏的判断标准过于粗糙，「二进制逆向」这个本属于正常编程教学和安全研究的基础操作，就会被一视同仁地拦截。开发者为此付出的代价是真实的：要么换模型，要么改提示词，要么接受一个「什么都懂、但很多都不说」的超能助手。

顺便，还有另一份成绩单也值得一看

Fable 5 发布后不久，UC Berkeley RDI 实验室的团队完成了对它的评测，用的是他们自己做的新基准：Agents' Last Exam。

这个基准的出发点有点意思：它不考「AI 能不能在 HumanEval 里写出两行代码」，而是直接对齐真实劳动力市场，覆盖 55 个职业方向、1500+ 道真实工作场景题目，由来自 100 余家机构的 300 余位行业专家贡献，全部按可验证的结果计分。说白了，就是让 AI agent 去考一场「职场模拟高考」。论文发布当天就登上了 Hugging Face Daily Papers 第一名。

评测结果如何？Fable 5 的得分是 22.0%，排在 GPT-5.5 的 24.0% 之后，位列第二。听起来差距不大，但成本项就有点扎眼了：Fable 5 平均每道题花费约 15.70 美元，GPT-5.5 只需 3.80 美元，另一个模型 Composer 2.5 更是只要 1.33 美元。换句话说，Fable 5 每解一道题的成本，大约是 GPT-5.5 的四倍。

最有意思的，还是最高难度那一档，即「Last-Exam」，也就是 ALE 里专门为「前沿 agent 挑战极限」设计的题目。结果是：除了 GPT-5.5，包括 Fable 5 在内的所有参评前沿 agent，通过率均为 0%。

排行榜备注说明：claude-fable-5——除了彻底的访问限制，Anthropic 还可能默认悄无声息地提供该模型的一个降级版、低能力变体。重试无法纠正这一点，因此这里的数据可能低估了其真实能力——解读时需谨慎。

ProgramBench 拒绝作答是 0%，ALE 最难档努力作答也是 0%。不同的姿态，一样的结局。

结语

弃考但排名第一，这个荒诞结果的背后，暗藏着一个正在撕裂 AI 行业的根本矛盾：能力越强，护栏越紧；护栏越紧，可用性越差。

Anthropic 的处境尤其典型。它拥有当下最强的编程模型，却同时在替用户决定哪些编程任务「可以做、哪些不能做」。而那条边界，目前还画得相当模糊。