Fable 5.5 测试曝光：Claude 每次回答后还会执行一条用户看不到的安全指令

Anthropic 被曝正在测试 Fable 5.5，用户使用 Opus 5.5 时会被随机路由到该模型。Anthropic 安全博客披露，自 Claude Fable 5 起每次回答后模型会追加一条隐藏指令做「自评估」，复用 KV cache 仅增加不到 2% 算力开销，在 Fable 5 上捕获了重型分类器可标记的 78% 违规对话，高危滥用检出率 94%，误判率 1%。