热点事件持续更新
Anthropic 为 Claude Fable 5 引入自评估安全机制
2 篇报道2 个报道来源6 分钟前更新
先了解这件事
事件综述
2026年10月30日，爱范儿报道称，Anthropic 发布安全博客，宣布自 Claude Fable 5 及之后发布的模型，在每次回答后会生成用户不可见的“自评估”指令，复用 KV Cache 进行安全复盘。该机制算力开销低于 2%，且不计入用户 Token 账单；零数据保留协议流量暂不运行该机制。同日稍晚，虎嗅援引 Anthropic 官方博客报道了同一机制，称模型在每次回答结束后会执行一条用户不可见的“请反思这段对话的安全性”指令，进行“自评估”（self-assessment）安全复盘，与爱范儿所述机制一致。两篇报道均提及 Fable 5.5 测试曝光，但未披露测试细节。目前该机制处于随新模型发布而生效的初始阶段，暂无后续运行反馈或调整信息。
根据公开报道整理 · 5 分钟前更新
最新进展10月30日 17:58
虎嗅同日援引官方博客报道该机制，细节与爱范儿一致，暂无新进展。报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- 虎嗅公开报道Anthropic为Claude Fable 5及后续模型引入“自评估”安全机制，Fable 5.5测试曝光
Anthropic官方博客披露，自Claude Fable 5及之后发布的模型在每次回答结束后，会执行一条用户不可见的“请反思这段对话的安全性”指令，进行“自评估”（self-assessment）安全复盘。
- 爱范儿公开报道Anthropic 为 Claude Fable 5 及后续模型引入自评估安全机制，Fable 5.5 测试曝光
Anthropic 发布安全博客，宣布自 Claude Fable 5 及之后发布的模型在每次回答后会生成用户不可见的“自评估”指令，复用 KV Cache 进行安全复盘，算力开销低于 2% 且不计入用户 Token 账单，零数据保留协议流量暂不运行该机制。
本事件热度走势
当前热度 19·可比范围峰值 19（10月30日 18:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。