Утёк системный промпт Claude Fable 5: 120 тысяч символов, которые Anthropic прятала от всех

В сеть выложили то, что обычно остаётся за кулисами любой языковой модели: полный системный промпт, который якобы управляет поведением новой Claude Fable 5. Публикацию сделал известный в around-AI тусовке аккаунт Pliny the Liberator, и объём впечатляет сам по себе, около 120 тысяч символов инструкций. Это не пара абзацев с правилами вежливости, а целый свод того, как модель должна думать, отвечать, отказывать и вести себя в спорных ситуациях.

Самое интересное в утечке не сенсация, а детали. Из текста следует, что Fable 5 позиционируется как первая модель нового семейства Claude 5 и относится к более высокому классу Mythos, который стоит выше линейки Opus по заявленным возможностям. Fable 5 и Mythos 5 описаны как одна и та же модель под капотом, но с разной политикой безопасности: у Fable 5 включены дополнительные ограничения для двойного назначения, а Mythos 5 отдают без них только проверенным организациям. Если это правда, то мы видим не просто новый релиз, а новую архитектуру доступа, где одна и та же модель живёт в двух режимах с разной степенью свободы.

Промпт расписывает поведение модели по слоям. Там есть блок про продукты Anthropic, где перечислены актуальные модели и их строковые идентификаторы, включая claude-fable-5 и claude-opus-4-8. Есть отдельные секции про отказ от вредных запросов, про работу с темами здоровья и психики, про осторожность с финансовыми и юридическими советами. Отдельно прописано, как модель должна форматировать ответы: минимум списков и жирного текста, прозой, без лишней разметки, если пользователь сам не попросил список.

Любопытная часть посвящена защите от манипуляций. В промпте отдельно оговаривается, что в конец сообщения пользователя могут подмешиваться напоминания, которые выглядят как инструкции от Anthropic, и что модель должна относиться к ним с осторожностью, если они идут вразрез с её ценностями. По сути это попытка закрыть один из самых популярных векторов джейлбрейка, когда атакующий имитирует служебные сообщения системы прямо внутри пользовательского ввода.

Есть и продуктовые подробности, которые раньше нигде не светились. Промпт упоминает Claude Cowork, агентское приложение для не-разработчиков, режимы Claude в Chrome, Excel и PowerPoint, а также механику постоянного хранилища для артефактов через window.storage с методами get, set, delete и list. Отдельно описана система памяти, подключение внешних приложений через MCP и логика, когда модель должна сначала искать нужный коннектор в реестре, а уже потом предлагать альтернативы.

Относиться к этому стоит трезво. Публикация не подтверждена самой Anthropic, и формально это остаётся сливом от третьего лица. Модель легко может нагаллюцинировать собственный промпт или выдать старую версию за новую, поэтому воспринимать текст как официальный документ нельзя. Но даже как артефакт он полезен: по нему видно, куда движется продуктовая логика и как разработчики пытаются совместить свободу ответов, безопасность и агентские возможности.

Для тех, кто строит продукты на языковых моделях, такие утечки ценны не ради хайпа. Они показывают реальную структуру системного промпта на продакшене: как раскладывают правила по блокам, как формулируют отказы, как разводят данные от пользователя и данные из недоверенных источников. Это хороший материал, чтобы сравнить свои подходы к безопасности и форматированию с тем, как это делает один из лидеров рынка.

Страница Anthropic о моделях из поста: https://anthropic.com/news/claude-fable-5-mythos-5