Mythos Powraca: Testy Anthropic pokazują, że Fable 5 nie był wyjątkowo ryzykowny

Anthropic twierdzi, że wewnętrzne testy wykazały, iż Claude Fable 5 nie stanowił żadnego unikalnego zagrożenia dla cyberbezpieczeństwa, ponieważ Claude Mythos 5 powraca globalnie 2 lipca.

To przyznanie towarzyszy globalnemu wznowieniu Fable 5, kończąc 18-dniowe zawieszenie spowodowane amerykańskimi kontrolami eksportowymi z 12 czerwca. Anthropic testował modele konkurencyjne, aby ocenić rzeczywiste zagrożenie związane z tym ograniczeniem.

Dlaczego Anthropic zawiesił Fable 5

Fable 5 i Mythos 5 zadebiutowały 9 czerwca, dzieląc ten sam rdzeń modelu, przy czym pierwszy był dostępny publicznie. Mythos 5 pozostał ograniczony do niewielkiej liczby zaufanych partnerów Project Glasswing do pracy w zakresie defensywnego cyberbezpieczeństwa.

Kontrole eksportowe pojawiły się po tym, jak badacze z Amazona znaleźli sposób na obejście zabezpieczeń Fable 5. Technika ta skłoniła model do identyfikacji luk w oprogramowaniu i, w jednym przypadku, do zademonstrowania eksploitu.

Testy Anthropic wykazały, że Claude Opus 4.8, GPT-5.5 i Kimi K2.7 mogły zidentyfikować te same luki, które Fable 5 wskazał w raporcie Amazona. Każdy testowany model mógł również powtórzyć pojedynczą demonstrację eksploitu.

To odkrycie sugeruje, że dyrektywa miała na celu lukę wspólną dla całej branży, a nie zagrożenie specyficzne dla Fable. Anthropic nadal zbudował silniejszy klasyfikator, aby zablokować tę technikę, która teraz również oznacza bardziej rutynowe prośby o kodowanie i debugowanie.

Jak naprawdę działają bariery

Fable 5 zadebiutował z najsilniejszym marginesem bezpieczeństwa, jaki Anthropic wbudował w jakikolwiek model. Jego klasyfikatory blokują żądania, które wydają się choćby nieznacznie ryzykowne, a nie tylko te wyraźnie szkodliwe. Nowy klasyfikator, przeszkolony po raporcie Amazona, blokuje zgłoszone obejście w ponad 99% przypadków, według Anthropic. Zablokowane żądania są teraz automatycznie przekierowywane do Opus 4.8.

Ten margines bezpieczeństwa ma swoją cenę. Anthropic przyznaje, że klasyfikator oznacza więcej łagodnych żądań dotyczących kodowania i debugowania, i mówi, że będzie go dalej dostosowywać, aby zredukować fałszywe pozytywy. Mythos 5, który ma mniej tych zabezpieczeń, powrócił tylko dla instytucji Mythos 5, które zostały zatwierdzone przez rząd 26 czerwca.

Dane samego Anthropic stawiają trudniejsze pytanie. Jeśli słabsze modele mogą już robić to, za co Fable 5 został zakazany, jaki standard zastosują regulatorzy następnym razem, gdy zadebiutuje model graniczny?

Źródło: BeInCrypto