Новые защитные механизмы Anthropic для Fable 5 выглядят невероятно.

Когда модель используют для разработки frontier LLM, она, судя по всему, не просто отказывается отвечать и не предупреждает пользователя. Вместо этого она тихо снижает собственную эффективность через техники вроде модификации промпта, steering vectors и PEFT.

То есть Claude может продолжать отвечать, но становиться намеренно менее полезным для задач, связанных с созданием frontier AI-систем, пайплайнов предобучения, распределённой тренировочной инфраструктуры или ML-ускорителей.

Anthropic говорит, что это должно затронуть только около 0,03% трафика. Но сам прецедент важный: в стратегически чувствительных доменах модели начинают избирательно ограничивать свои возможности.