Anthropic 优化 Claude Fable 5 生物安全分类器，误拦截率降低 85%

Anthropic 于近日发布官方博文，宣布对 Claude Fable 5 模型的生物安全防护机制进行系统性优化。此次更新的直接效果是将生物学相关问答的降级现象减少了 85%，意味着普通用户在咨询生物学知识时，将大幅减少遭遇系统拒绝或降级响应的情况，模型能够处理的生物学任务范围也随之显著扩大。

为应对潜在的滥用风险，Anthropic 此前专门为 Claude 引入了安全分类器机制。该机制的设计初衷是识别并拦截用户试图利用模型从事生物武器研究等高风险活动的请求。然而在实际运行中，过于保守的分类标准导致大量正当的生物学问题被误判为高风险内容，严重影响了模型对科研、教育等合法场景的支持能力。

此次优化的核心在于调整安全分类器的判断逻辑，使其在识别恶意请求的同时，能够更准确地放行无害的生物学查询。Anthropic 通过改进分类器对问题意图和上下文的理解能力，在安全防护与使用体验之间寻求更合理的平衡点，避免因过度拦截而损害模型的实用价值。

尽管误拦截率大幅下降，Anthropic 并未放松对真正高风险内容的管控。涉及专业生物学研究和药物开发的相关请求仍将受到限制，以防范模型被用于可能造成实质性危害的活动。这一保留措施体现了 Anthropic 在推进模型能力开放的同时，坚守生物安全底线的一贯立场。

此次更新折射出 AI 安全领域的一个普遍挑战：如何在防范滥用与保障正常使用之间找到合适的分寸。过于严格的安全机制会削弱模型的实用性，而过于宽松则可能带来现实风险。Anthropic 此次以数据驱动的方式对分类器进行精细化调整，为行业探索安全与可用性的动态平衡提供了一个参考案例。

要点

• Anthropic 优化 Claude Fable 5 安全分类器后，生物学相关问答的误拦截降级现象减少了 85%。
• 安全分类器原本用于拦截生物武器研究等高风险请求，但此前过于保守的机制导致大量正常问题被误判。
• 此次更新通过改进分类器的意图识别能力，使其能够更精准地区分无害查询与真正的高风险内容。
• 涉及专业生物学研究和药物开发的请求仍受限制，Anthropic 维持对敏感领域的安全管控底线。