Gemini 4 Carbon 上場沒幾多日，X 上有網友稱自己喺用 Opus 5.5 時被隨機路由到一個「更新」嘅模型，效果好得多，令人懷疑係傳聞中嘅 Fable 5.5 或下一代 Opus。結合早前 The Information 對 Anthropic 新模型嘅爆料，一款「更能讀懂用户意圖」嘅模型據稱已喺早期測試。三隻馬跑斑馬嘅測試截圖、Karpathy 今年五月去向嘅問答題，同埋騎單車的鵜鶘 SVG，都喺 X 上面流傳。不過 Fable 5.5 究竟係咪、幾時正式推出，Anthropic 官方未確認，一切有待正式發佈。
真正有新聞價值嘅，係同日報出嘅 Anthropic 官方安全博客。博客公開咗一套叫「自評估」（self-assessment）嘅安全監測方法：由 Claude Fable 5 起，每次與用户答完話後，系統喺對話尾部再追加一條用户睇唔到嘅指令，大意係「請反思此對話的安全性」。接到指令嘅唔係另一個模型，而係剛剛參與對話嘅同一隻 Claude，複用已有上下文與 KV Cache（大模型推理時緩存嘅注意力張量，可以令續寫唔使重複計算前文），輸出固定格式 JSON，無風險就返回 "flagged": false。
官方稱呢套機制喺 Fable 5 上測試，能捕獲重型分類器所標記違規對話嘅 78%，高危濫用檢出率高達 94%，誤判率降至 1%。算力開銷「不足 2%」，由平台自行承擔，不計入用户 Token 賬單。自評估主要用於離線篩查，唔負責實時攔截，實時攔截仍由其他安全分類器負責。用户簽訂零數據保留協議嘅流量，目前唔運行自評估。評估結果唔展示給用户，唔帶入後續對話，按數據政策記錄，再行聚合分析；單一標記唔直接等同違規，升級給人工複核，確認嚴重問題後先可能採取封號或向相關機構報告等措施。
模姐驗嚇貨
呢套機制工程上「優雅」係真：KV Cache 複用、約 10 Token 輸出、由平台買單，成本幾低。但有幾個問題 Anthropic 冇講清楚。
圖片：Department for Science, Innovation and Technology／CC BY 2.0／Wikimedia Commons
第一，「自評估」係廠商自報數據，未見第三方可復現嘅獨立評測。78%、94%、1% 呢幾組數字，邊個核過？
第二，用户「唔知」有冇被標記，都「唔知」哪些正常討論可能被誤解。你同 Claude 討論個敏感話題，模型可能喺背後幫你「flag」咗，你完全唔知情。佢再聚合、再入檔案、再交人工複核——邊個知呢條記錄最終點用？
第三，緊接 Fable 5.5 傳聞：新模型宣稱「更擅長讀懂用户未明説嘅深層意圖」。當一隻自稱能讀懂你「言外之意」嘅模型，用同一套機制判斷你「係咪涉及濫用」，呢兩件事同時發生，用户對意圖判斷嘅風險需要更加審視。
模型越聰明，安全防線要跟着升級，這冇問題。但「我話我冇幫你做嘢，你又唔知情」，這就係用户同平台之間個「信任」問題——而信任，應該係雙向透明，唔係單向沉默。
模姐｜深度調教
