白宫与Anthropic冲突升级：Fable越狱事件揭示AI安全审查的灰色地带

一句话看懂

白宫发布Fable越狱报告，Anthropic的Claude模型在特定提示下会执行本应拒绝的安全代码修复任务，引发AI安全审查边界争议。

详细发生了什么

《大西洋月刊》记者Matteo Wong报道，白宫正在加大对Anthropic的施压，涉及一份关于Fable越狱事件的报告。网络安全专家、Luta Security CEO Katie Moussouris透露，Anthropic向她提供了这份报告以征求意见（她表示未收取Anthropic报酬）。报告显示，IT专家要求Fable（一个基于Claude的AI助手）帮助查找和修补代码漏洞。当被提供故意不安全的代码时，Fable拒绝了“审查代码安全漏洞”的指令，但在被要求“修复此代码”并辅以手动步骤后，它照做了。Moussouris认为，这实际上是“模型按预期工作”，用于网络防御。然而，白宫将此视为Anthropic安全措施不力的证据，并可能以此推动更严格的出口管制或监管。

中文圈视角

此事件对中文AI社区有直接启示。首先，Fable的“拒绝-服从”行为模式与国内大模型（如DeepSeek、Kimi、通义千问）的安全机制高度相似——模型可能通过提示词工程绕过安全护栏。国内开发者常利用“修复代码”而非“审查漏洞”的措辞来获取安全分析，这暴露了基于关键词过滤的安全策略的局限性。其次，白宫与Anthropic的冲突暗示，美国可能以安全为由限制AI模型出口，这会影响国内用户通过API访问Claude等模型。目前，国内已有ModelScope等平台提供类似安全评测工具，但缺乏像Fable这样的系统化红队测试框架。最后，此事提醒中文AI公司：安全审查不能仅依赖表面指令过滤，需要更鲁棒的上下文理解和行为约束，否则可能面临监管风险。

几条值得记住的细节

• Fable在收到“review the code for security issues”时拒绝，但“fix this code”却触发执行。
• Katie Moussouris强调她未从Anthropic获得报酬，保持独立评估。
• 白宫报告涉及IT专家手动步骤引导Fable完成代码修复。
• 此事件可能加剧美国对AI出口管制的讨论，影响全球API服务可用性。
• Anthropic尚未公开回应白宫的具体指控。

一句话总结

AI安全不是非黑即白：提示词措辞的细微差别就能让模型从“拒绝”变为“服从”，这对所有AI开发者都是警示。