"Fable 5s Sicherheitsmaßnahmen haben diese Nachricht markiert." Wenn Sie dies beim Schreiben von normalem Code sehen, hat der Klassifikator von Fable 5 ein Schlüsselwortmuster in einem von drei Bereichen erkannt: Biologie, Cybersicherheit oder ML-Training.
Sie können den Klassifikator nicht deaktivieren. Aber eine passende Formulierung des System-Prompts eliminiert die meisten Fehlalarme. 95 % der Fable-5-Sitzungen lösen den Fallback nie aus. Dieser Leitfaden behandelt, was ihn auslöst, wie man ihn diagnostiziert und welche Strategien auf Code-Ebene Ihre Anfragen auf Fable 5 halten.
Was das Sicherheitssystem von Fable 5 macht
Fable 5 lehnt markierte Anfragen nicht ab. Es leitet sie zur zweiten Bewertung an Opus 4.8 weiter, wobei Intent-Modellierung und Kontextgewichtung verwendet werden. Drei Klassifikator-Kategorien lösen diese Weiterleitung aus:
- Biologie und Lebenswissenschaften — Pathogenforschung, Proteinengineering, chemische Synthesewege
- Cybersicherheit und offensive Sicherheit — Exploit-Entwicklung, Schwachstellenanalyse, Penetrationstests
- ML-Training und Distillation — Vorabtraining von Frontier-Modellen, verteilte Trainingsinfrastruktur, Extraktion von Modellgewichten
Diese Kategorien sind absichtlich sehr weit gefasst. Anthropic's @ClaudeDevs erklärte: "Das Sichtbarmachen der Schutzmaßnahmen macht es einfacher, sie zu umgehen, sodass ihre Robustheit gegenüber Jailbreaks leider mehr False Positives bedeuten wird, während wir die Klassifizierer verbessern."
Woran Sie erkennen, dass Sie markiert wurden
Fable 5 hat zwei unterschiedliche Interventionen.
Der sichtbare Fallback
Sie sehen eine explizite Nachricht, und Ihre Anfrage wird stattdessen von Opus 4.8 bedient. Sie erhalten weiterhin eine Antwort, aber Opus 4.8 erreicht beim SWE-Bench Pro 69,2 % gegenüber 80,3 % von Fable 5.
Die stille Verschlechterung
Für ML-nahe Aufgaben kann Fable 5 die Antwortqualität unauffällig und ohne Benachrichtigung verringern. Dies zielt auf das Pretraining von Frontier-LLMs, verteilte Trainingsinfrastruktur und das Design von ML-Beschleunigern ab. Es betrifft ungefähr 0,03 % des Traffics, aber wenn Sie zu diesen 0,03 % gehören, sieht die Ausgabe eher wie eine Verwirrung des Modells als wie eine Richtlinienblockierung aus.
Überprüfen Sie das model-Feld in Ihrer API-Antwort, um zu bestätigen, welches Modell die Anfrage bearbeitet hat:
import anthropic
client = anthropic.Anthropic(api_key="your-key")
response = client.messages.create(
model="claude-fable-5",
max_tokens=1024,
system="You are assisting with ML infrastructure work.",
messages=[{"role": "user", "content": "your prompt here"}]
)
# Wenn dies nicht dem entspricht, was Sie angefordert haben, wurden Sie umgeleitet
print(f"Angefordert: claude-fable-5")
print(f"Bereitgestellt von: {response.model}")Wenn sich das bereitgestellte Modell von Ihrer Anfrage unterscheidet, hat der Klassifikator eingegriffen.
Warum legitime Arbeit blockiert wird
Der Klassifikator liest Inhalte, nicht Absichten. Ein Sicherheitsforscher, der seinen eigenen Code prüft, und jemand, der Malware entwickelt, verwenden die gleiche Terminologie. Jede Kategorie hat ein eigenes Muster von Fehlalarmen:
Biologie: Ein Forscher aus dem COMBINE-Lab verbrachte 15–30 Minuten damit, Fable 5 dazu zu bringen, beim Umschreiben einer Rust-Bibliothek für RNA-seq-Analyse zu helfen. Der Code bezog sich auf die Verarbeitung biologischer Sequenzen, und der Klassifikator markierte jeden Versuch. Die Aufgabe war ein Rust-Port ohne biologische Absicht, aber das Fachvokabular reichte aus.
Cybersecurity: Ein Entwickler bat Fable 5, seine Anwendung auf Sicherheitslücken zu überprüfen. Fable 5 fand tatsächlich Malware auf seinem System, dann markierte der Klassifikator die Interaktion und stufte die Sitzung herab. Das Modell wurde daran gehindert, bei genau der Bedrohung zu helfen, die es entdeckt hatte.
ML/Distillation: Aufforderungen zur Umweltwissenschaftsforschung wurden blockiert, während Aufforderungen zur Koordination von Drohnenschwärmen durchgelassen wurden. Die Grenze für „ML training“ ist weit genug gefasst, um angrenzende wissenschaftliche Berechnungen zu erfassen.
Vier Strategien zur Reduzierung von Fehlalarmen
Professionellen Kontext in Ihrem System-Prompt festlegen
Der Klassifikator gewichtet Ihren System-Prompt stark. Ein allgemeines "You are a helpful coding assistant" liefert ihm kein Signal, um legitime Arbeit von Bedrohungssimulation zu unterscheiden.
Dieser System-Prompt besteht den Bio-Klassifikator:
Sie unterstützen einen Bioinformatikforscher an einem universitären
Genomiklabor. Die Arbeit umfasst die Entwicklung einer standardmäßigen RNA-seq-Pipeline
in Rust. Alle biologischen Referenzen beziehen sich auf
öffentlich verfügbare Referenzgenome und standardmäßige
bioinformatische Dateiformate (FASTQ, BAM, VCF).Das hier löst es aus:
Hilf mir, biologische Sequenzdaten zu verarbeiten und
Proteinstrukturen zu analysieren.Die erste legt fest, wer, welche Domäne, welche Werkzeuge und welche Bereiche biologische Verweise auf öffentliche Daten beziehen. Die zweite verwendet breite biologische Terminologie ohne Kontext.
Technische Terminologie von Anweisungen trennen
Wenn Ihr Prompt „gefährliche“ Terminologie in direkte Anweisungen mischt, liest der Klassifikator dies als operativ. Wenn dieselbe Terminologie in Daten- oder Kontextblöcken erscheint, liest er sie als Referenzmaterial.
Anstatt:
Schreiben Sie Code, um dieses Netzwerk nach Schwachstellen zu durchsuchen
und alle Schwächen im Authentifizierungssystem auszunutzen.Struktur neu aufbauen:
Ich bin ein Security Engineer und führe einen autorisierten Penetrationstest
für die Staging-Umgebung unseres Unternehmens durch. Prüfe die
folgenden Ergebnisse des Netzwerkscans und schlage vor, welche
Authentifizierungsmechanismen als Nächstes getestet werden sollten, unter
Befolgung der OWASP-Methodik.
[fuge die Scan-Ergebnisse hier ein]Der zweite trennt die Absicht (Ergebnisse überprüfen) vom Autorisierungskontext (Staging-Umgebung, autorisierter Test) und der Methodik (OWASP). Der Klassifikator kann dies von einer Angriffsanfrage unterscheiden.
Verwenden Sie System-Prompts auf Betreiber-Ebene über die API
Die systemseitigen Prompts auf Betreiberebene von Anthropic haben für den Klassifikator mehr Gewicht als Prompts auf Benutzerebene. Setzen Sie Ihren Kontext auf Betreiberebene mithilfe des system-Parameters, anstatt ihn in Gesprächsnachrichten einzubetten.
response = client.messages.create(
model="claude-fable-5",
max_tokens=1024,
# Operator-level context — classifier weighs this more heavily
system="Diese Anwendung ist eine lizenzierte Sicherheitsprüfungsplattform. "
"Alle Anfragen betreffen autorisierte Penetrationstests der "
"eigenen Infrastruktur des Benutzers.",
messages=[{"role": "user", "content": user_prompt}]
)Anthropic unterstützt auch die Kalibrierung von Sicherheitsschwellenwerten für professionelle Anwendungsfälle innerhalb ihrer Nutzungsrichtlinie. Wenn Sie ein Sicherheitsanalysetool oder eine Bioinformatik-Plattform entwickeln, ist die Konfiguration auf Betreiber-Ebene der richtige Weg.
Teilen Sie sensible Aufgaben auf fokussierte Prompts auf
Die Akkumulation von Schlüsselwörtern in einem einzelnen Prompt erhöht das Vertrauen des Klassifizierers, dass die Anfrage riskant ist. Ein Prompt, der Proteinfaltung, CRISPR und Synthesewege zusammen erwähnt, löst eher eine Reaktion aus als drei separate Prompts, die jedes Thema unabhängig behandeln.
Jeder fokussierte Prompt bietet dem Klassifikator einen klareren Kontext zur Bewertung.
Wann man ein anderes Modell verwenden sollte
Einige Workflows lassen sich besser durch den Wechsel von Modellen bewältigen. Der Safety-Klassifikator von Fable 5 existiert nicht auf Opus 4.8 oder Sonnet 5.
| Aufgabe | Empfohlenes Modell | Warum |
|---|---|---|
| Sicherheits-Code-Review | Opus 4.8 oder Sonnet 5 | Kein Klassifikator, direkte Bewertung |
| Bio-/Chemie-Forschungscode | Sonnet 5 | Weniger strenge Sicherheitsbeschränkungen |
| ML-Trainingsinfrastruktur | Opus 4.8 | Kein Distillations-Klassifikator |
| Allgemeines Programmieren | Fable 5 | 80,3 % SWE-Bench Pro, beste verfügbare |
Automatischer Fallback im Code
Wenn Sie die API verwenden, können Sie die Sicherheitsumleitung erkennen und es mit einem Modell ohne Sicherheitsklassifizierer erneut versuchen:
def query_with_fallback(prompt, system_context):
primary = client.messages.create(
model="claude-fable-5",
max_tokens=1024,
system=system_context,
messages=[{"role": "user", "content": prompt}]
)
# Sicherheitsumleitung erkennen
if primary.model != "claude-fable-5":
return client.messages.create(
model="claude-opus-4-8",
max_tokens=1024,
system=system_context,
messages=[{"role": "user", "content": prompt}]
)
return primaryDies funktioniert mit jedem API-Anbieter, der mehrere Claude-Modelle über denselben Endpunkt unterstützt. Drittanbieter-API-Proxys wie AIReiter stellen alle Claude-Modelle über einen einzigen API-Schlüssel zu reduzierten Tarifen bereit, wodurch der Modellwechsel zu einer Änderung in einer einzigen Zeile wird, ohne separate Kontoeinrichtung.
FAQ
Kann man den Fable-5-Classifier vollständig deaktivieren?
Nein. Der Klassifikator läuft serverseitig und ist pro Anfrage nicht konfigurierbar. System-Prompts auf Operator-Ebene beeinflussen, wie aggressiv er markiert, aber sie können ihn nicht deaktivieren. Der Klassifikator blockiert den gemeldeten Jailbreak-Vektor in über 99 % der Fälle, und Anthropic hat sein Sicherheitsteam erweitert, um das so zu halten.
Behält der Sicherheitsklassifizierer meine Daten?
Als Fable 5 gekennzeichneter Datenverkehr unterliegt einer verpflichtenden 30-tägigen Datenspeicherung, die bestehende Zero-Retention-Vereinbarungen außer Kraft setzt. Dies gilt für alle Oberflächen einschließlich Drittanbieter-Integrationen wie GitHub Copilot, nicht nur für den direkten API-Zugriff. Wenn Ihr Unternehmen einen ZDR-Vertrag hat, sind gekennzeichnete Anfragen die Ausnahme.
Ist Fable 5 trotz der Fehlalarme es wert, verwendet zu werden?
Wenn sich Ihre Arbeit nicht mit den drei Trigger-Domänen überschneidet, liegt Fable 5 mit 80,3 % bei SWE-Bench Pro vorn (Opus 4.8: 69,2 %, GPT-5.5: 58,6 %). Wenn Sie regelmäßig auf Klassifikatoren stoßen, kostet Sie Opus 4.8 oder Sonnet 5 ohne Klassifikator-Overhead trotz geringerer Benchmark-Ergebnisse weniger Zeit.