6月12日被美国政府以出口管制强制下线，6月30日管制解除，7月1日正式回归全球用户。Claude Fable 5 这短短18天的"被禁之旅"，让全世界看到了美国对待前沿 AI 的真实态度——以及 Anthropic 在安全、商业和国家利益之间的艰难平衡。
这是一场什么样的风波？
先捋一下时间线：
6月12日，美国商务部突然下令，要求 Anthropic 对 Claude Fable 5 和 Claude Mythos 5 实施出口管制——也就是说，这两个模型不能向任何外国公民提供服务，包括 Anthropic 自己的非美籍员工。
问题在于，Anthropic 根本没有能力实时验证每一个用户的国家籍。所以 干脆一刀切，两个模型对全世界的所有人都关了。
消息一出，整个 AI 圈炸了。
导火索：一个 jailbreak
事情起因是 Amazon 的研究团队发现了一个针对 Fable 5 的 jailbreak（越狱提示词）。
简单说，就是一个精心构造的 prompt，能让模型绕过它的安全护栏。根据 Anthropic 的说法，这个 prompt 成功诱导模型标记了几个软件漏洞，甚至写了一段利用代码来演示漏洞的危害。
Anthropic 方面极力淡化这件事，表示同样的手法在其他模型身上一样管用——包括它自家的 Claude Opus 4.8、OpenAI 的 GPT-5.5，甚至中国的 Kimi K2.7。Anthropic 认为这属于常规的防守型安全工作，不是什么隐藏的超能力。
但美国政府，以及举报这件事的 Amazon，显然不这么看。
⚠️ 关键分歧：同一个 jailbreak，Anthropic 看是"常规安全测试"，政府看是"足以触发紧急管制的安全事件"。
Amazon 在这件事里的角色
据《华尔街日报》等多家媒体报道，Amazon 的研究和 CEO Andy Jassy 的关切，是推动出口管制令落地的关键力量。
Anthropic 和 Amazon 的关系本来就很微妙——Amazon 是 Anthropic 的最大投资方之一，但双方对模型安全的判断标准似乎并不一致。
前白宫 AI 沙皇 David Sacks 更是公开指责 Anthropic "将消费者模型的持续提供置于安全之上"。
但也有学者认为这是一次过激反应。悉尼大学 AI 治理研究员 Francesco Bailo 对半岛电视台表示，撤销管制说明政府也承认自己反应过度了。一群安全领袖还联名公开信，要求解除管制。
如何解决的？
为了平息政府的担忧，Anthropic 专门训练了一个新的 安全过滤器（classifier），专门检测举报中提到的越狱技术。公司声称，这个分类器能拦截 99% 以上的该类型尝试。
被拦截的请求会被转交给更弱的 Opus 4.8 处理，用户会收到提示。但代价是——正常编码和调试时，误报率也上升了。
最终拍板解除管制的，是 商务部长 Howard Lutnick。他在6月30日的信中表示，商务部花了两周时间与 Anthropic 一起审查模型。Anthropic 方面也做出了承诺：
- 🔹 主动搜寻安全漏洞
- 🔹 在未来的模型发布前与政府协调
- 🔹 报告发现的所有恶意使用行为
值得一提的是，主导这次谈判的是 Anthropic 联合创始人 Tom Brown，而非 CEO Dario Amodei。背后原因是 Amodei 今年以来与特朗普政府的关系一直比较紧张。
Mythos 5 呢？更猛，也更受限
前面提到与 Fable 5 一同被禁的还有 Mythos 5。这个模型和 Fable 5 用了同样的底层技术，但安全护栏更少。
它的回归更缓慢：6月26日，Mythos 5 先向大约 100 家美国公司和联邦机构（主要负责关键基础设施防御）恢复访问。Anthropic 表示还在与政府协商进一步扩大访问范围。
Mythos 5 的能力有多强？Anthropic 在今年春天测试过一个更早版本的 Mythos 模型，结果它按照命令 发现了所有主流操作系统和浏览器上的零日漏洞——甚至包括 OpenBSD 中一个存在了 27 年的漏洞。红队把最新披露的漏洞转化为可用 exploit，不到一天时间。
更大的背景：中美 AI 竞赛
这场风波背后，始终有一个更大的阴影——竞争。
禁令实施的时候，恰恰是廉价、开源的国产大模型在迅速追赶的时期。多位科技高管警告说，冻结美国模型等于是把市场拱手让给中国竞争对手，等于白送追赶时间。
这个故事的终局，还远没到。
OpenAI 前几天刚发布的 GPT-5.6，同样选择了小范围的政府审批内测，而非公测。白宫在6月2日签署了一项行政令，为前沿模型设立了自愿审查路径，但 Fable 5 根本没有走那条路——政府直接用了出口管制。
当一个超级大国对前沿 AI 没法走正规流程的时候，就只能靠"即兴发挥"。
Anthropic 的下一步
Anthropic 还在推动一件行业一直缺少的事——一个共享的 jailbreak 危险等级评定标准。他们和 Amazon、Microsoft、Google 等伙伴合作，计划从四个维度给越狱攻击打分：
① 攻击的复杂程度 判断绕过安全护栏需要多高明的技巧。是简单的 prompt 工程，还是需要深度技术知识？越简单的攻击，越需要紧急修复，因为门槛低意味着任何人都能复现。
② 所需用户交互 攻击需要用户配合到什么程度？是无感的零点击攻击，还是需要用户手动复制粘贴某个提示词？交互越少，危险系数越高。
③ 对关键基础设施的潜在影响 这是最核心的判断标准。一个能诱导模型输出电网、银行、医疗系统攻击代码的 jailbreak，与一个只能生成垃圾内容的 jailbreak，完全不是一个量级。
④ 可扩展性 攻击能否自动化？如果写一个脚本就能批量利用，危害会被指数级放大。不可扩展的攻击虽然也需关注，但不至于触发紧急管制。
对于最严重的等级（比如能攻击电网或银行的 jailbreak），Anthropic 表示一旦确认就会立即部署修复，并组建一个 7×24 小时全天候监控 jailbreak 攻击报告的团队。
他们还开通了 HackerOne 计划，欢迎安全研究员报告新的 Fable 5 越狱方法，并承诺让美国政府提前测试未来的前沿模型。
今天 Claude Fable 5 回来了。但这场关于"安全 vs 竞争力"的辩论，才刚刚开始。
本文由老张整理编写，信息综合自 The Hacker News、CNBC、MacRumors、The Wall Street Journal、Al Jazeera 等公开报道。