"Меры безопасности Fable 5 пометили это сообщение." Если вы столкнулись с этим при написании обычного кода, классификатор Fable 5 обнаружил шаблон ключевых слов в одной из трёх областей: биология, кибербезопасность или обучение ML.
Вы не можете отключить классификатор. Но правильное оформление системного prompt устраняет большинство ложных срабатываний. В 95% сеансов Fable 5 запасной вариант никогда не запускается. Это руководство объясняет, что его запускает, как это диагностировать, и какие стратегии на уровне кода помогают удерживать ваши запросы на Fable 5.
Что делает система безопасности Fable 5
Fable 5 не отклоняет помеченные запросы. Он перенаправляет их на Opus 4.8 для повторной оценки с использованием моделирования намерений и взвешивания контекста. Такое перенаправление запускается тремя категориями классификатора:
- Биология и науки о жизни — исследования патогенов, белковая инженерия, пути химического синтеза
- Кибербезопасность и наступательная безопасность — разработка эксплойтов, анализ уязвимостей, тестирование на проникновение
- Обучение ML и дистилляция — предварительное обучение передовых моделей, инфраструктура распределённого обучения, извлечение весов модели
Эти категории намеренно слишком широкие. @ClaudeDevs от Anthropic заявили: «Сделать механизмы защиты видимыми означает упростить обход, поэтому сохранение их устойчивости к jailbreaks, к сожалению, будет означать больше ложных срабатываний, пока мы улучшаем классификаторы».
Как понять, что вас отметили
Fable 5 имеет два различных вмешательства.
Видимый запасной вариант
Вы видите явное сообщение, и вместо этого ваш запрос обрабатывается Opus 4.8. Вы всё равно получаете ответ, но Opus 4.8 набирает 69.2% на SWE-Bench Pro по сравнению с 80.3% у Fable 5.
Тихая деградация
Для задач, смежных с ML, Fable 5 может незаметно снижать качество ответов без какого-либо уведомления. Это нацелено на предобучение frontier LLM, инфраструктуру распределённого обучения и проектирование ML-ускорителей. Это затрагивает примерно 0.03% трафика, но если вы попадаете в эти 0.03%, результат выглядит скорее как путаница модели, чем как блокировка по политике.
Проверьте поле model в ответе API, чтобы подтвердить, какая модель обработала запрос:
import anthropic
client = anthropic.Anthropic(api_key="your-key")
response = client.messages.create(
model="claude-fable-5",
max_tokens=1024,
system="Вы помогаете с работой над инфраструктурой ML.",
messages=[{"role": "user", "content": "your prompt here"}]
)
# Если это не соответствует тому, что вы запросили, вас перенаправили
print(f"Requested: claude-fable-5")
print(f"Served by: {response.model}")Если обслуживаемая модель отличается от вашего запроса, вмешался классификатор.
Почему законная работа блокируется
Классификатор анализирует содержимое, а не намерение. Исследователь безопасности, проверяющий собственный код, и человек, создающий вредоносное ПО, используют одну и ту же терминологию. Для каждой категории характерен свой особый паттерн ложноположительных срабатываний:
Биология: Исследователь из COMBINE-lab потратил 15–30 минут, пытаясь заставить Fable 5 помочь переписать библиотеку на Rust для анализа RNA-seq. В коде упоминалась обработка биологических последовательностей, и классификатор блокировал каждую попытку. Задача заключалась в переносе на Rust без биологического умысла, но доменной лексики оказалось достаточно.
Кибербезопасность: Разработчик попросил Fable 5 проверить их приложение на уязвимости безопасности. Fable 5 обнаружила настоящее вредоносное ПО в их системе, затем классификатор отметил это взаимодействие и понизил уровень сессии. Модель была заблокирована от помощи в устранении именно той угрозы, которую она обнаружила.
ML/Distillation: Запросы для исследований в области экологической науки были заблокированы, тогда как запросы по координации роя дронов прошли. Граница для «ML training» достаточно широка, чтобы охватывать смежные научные вычисления.
Четыре стратегии, которые снижают количество ложных срабатываний
Установите профессиональный контекст в вашем системном промпте
Классификатор придаёт вашему системному запросу большой вес. Общая фраза "You are a helpful coding assistant" не даёт ему сигнала отличать легитимную работу от симуляции угроз.
Этот системный промпт проходит биоклассификатор:
Вы помогаете исследователю в области биоинформатики в университетской
геномной лаборатории. Работа включает разработку стандартного RNA-seq пайплайна
на Rust. Все биологические упоминания относятся к
общедоступным референсным геномам и стандартным
биоинформатическим форматам файлов (FASTQ, BAM, VCF).Вот это вызывает это:
Помогите мне обработать данные биологических последовательностей и проанализировать
структуры белков.Первый указывает, кто, какая область, какие инструменты, и ограничивает биологические ссылки общедоступными данными. Второй использует широкую биологическую терминологию без контекста.
Отделяйте техническую терминологию от инструкций
Когда ваш запрос смешивает «опасную» терминологию с прямыми инструкциями, классификатор воспринимает это как операционное. Когда та же терминология появляется в блоках данных или контекста, он воспринимает это как справочный материал.
Вместо:
Напишите код для сканирования этой сети на наличие уязвимостей
и эксплуатации любых слабых мест в системе аутентификации.Перестройте:
Я инженер по безопасности, проводящий санкционированное
тестирование на проникновение в staging-окружении нашей компании. Изучите
следующие результаты сетевого сканирования и предложите, какие
механизмы аутентификации следует тестировать далее, следуя
методологии OWASP.
[вставьте сюда результаты сканирования]Второй отделяет намерение (просмотр результатов) от контекста авторизации (staging environment, authorized test) и методологии (OWASP). Классификатор может отличить это от запроса на атаку.
Используйте системные подсказки уровня оператора через API
Системные подсказки Anthropic на уровне оператора имеют больший вес для классификатора, чем подсказки на уровне пользователя. Задавайте контекст на уровне оператора с помощью параметра system, а не встраивайте его в сообщения беседы.
response = client.messages.create(
model="claude-fable-5",
max_tokens=1024,
# Контекст уровня оператора — классификатор придаёт этому больший вес
system="Это приложение является лицензированной платформой для аудита безопасности. "
"Все запросы связаны с авторизованным тестированием на проникновение "
"собственной инфраструктуры пользователя.",
messages=[{"role": "user", "content": user_prompt}]
)Anthropic также поддерживает настройку порогов безопасности для профессиональных сценариев использования в рамках своей политики использования. Если вы создаёте инструмент для анализа безопасности или платформу биоинформатики, конфигурация на уровне оператора — правильный путь.
Разделяйте чувствительные задачи между сфокусированными запросами
Накопление ключевых слов в одном запросе повышает уверенность классификатора в том, что запрос является рискованным. Запрос, в котором вместе упоминаются сворачивание белков, CRISPR и пути синтеза, с большей вероятностью сработает, чем три отдельных запроса, каждый из которых рассматривает свою тему независимо.
Каждый сфокусированный запрос предоставляет более чёткий контекст для оценки классификатором.
Когда использовать другую модель
Некоторые рабочие процессы лучше обслуживаются переключением моделей. Классификатор безопасности Fable 5 не существует в Opus 4.8 или Sonnet 5.
| Задача | Рекомендуемая модель | Почему |
|---|---|---|
| Проверка кода на безопасность | Opus 4.8 or Sonnet 5 | Нет классификатора, прямая оценка |
| Код для исследований в области биологии/химии | Sonnet 5 | Менее строгие ограничения безопасности |
| Инфраструктура для обучения ML | Opus 4.8 | Нет классификатора дистилляции |
| Общее программирование | Fable 5 | 80.3% SWE-Bench Pro, лучший доступный вариант |
Автоматический fallback в коде
Если вы используете API, вы можете обнаружить перенаправление по соображениям безопасности и повторить попытку на модели без классификатора безопасности:
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}]
)
# Обнаружить перенаправление по соображениям безопасности
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 primaryЭто работает с любым API-провайдером, который поддерживает несколько моделей Claude через один и тот же endpoint. Сторонние API-прокси, такие как AIReiter, предоставляют все модели Claude через один API key по сниженным тарифам, что позволяет переключать модель одной строкой без отдельной настройки аккаунта.
Часто задаваемые вопросы
Можно ли полностью отключить классификатор Fable 5?
Нет. Классификатор работает на стороне сервера и не настраивается для каждого запроса отдельно. Системные подсказки на уровне оператора влияют на то, насколько агрессивно он помечает запросы, но отключить его они не могут. Классификатор блокирует сообщаемый вектор джейлбрейка более чем в 99% случаев, и Anthropic расширила свою команду по безопасности, чтобы так и оставалось.
Сохраняет ли Safety Classifier мои данные?
Трафик Flagged Fable 5 подлежит обязательному 30-дневному хранению данных, что отменяет существующие соглашения о нулевом хранении. Это применимо ко всем поверхностям, включая сторонние интеграции, такие как GitHub Copilot, а не только к прямому доступу через API. Если у вашей компании есть контракт ZDR, помеченные запросы являются исключением.
Стоит ли использовать Fable 5, несмотря на ложные срабатывания?
Если ваша работа не пересекается с тремя триггерными доменами, Fable 5 лидирует в SWE-Bench Pro с результатом 80.3% (Opus 4.8: 69.2%, GPT-5.5: 58.6%). Если вы регулярно сталкиваетесь с классификаторами, Opus 4.8 или Sonnet 5 без накладных расходов на классификатор сэкономят вам время, несмотря на более низкие показатели в бенчмарке.