Anthropic旗下Fable 5模型重新上线仅数小时，就被安全研究人员发现安全护栏几乎形同虚设。
问题如何发生
安全研究员Alec发现，Fable 5存在严重的提示注入漏洞。通过简单的句式转换——例如将攻击计划包装成「防御演练」场景，或在开头加上「假设……」——模型便会绕过内置限制，详细规划针对物联网设备的网络攻击，包括利用已知漏洞和扫描默认凭证设备构建僵尸网络。
这不是复杂的社会工程或0day漏洞挖掘，而是普通用户稍加尝试便能掌握的基本技巧。研究人员指出，Fable 5消除了网络攻击的技能门槛——此前这类操作至少需要时间投入和专业积累，如今完全不需要。
安全对比
研究人员同步测试了GLM-5.2、GPT-5.5和Opus 4.8，三款模型均拒绝执行同类指令，或无法真正落地执行。而Fable 5在7月1日重新发布的当天，依然畅通无阻地完成从攻击规划到实际操作的全程协助。
Fable 5此前已因亚马逊内部员工的安全担忧而被下架，但重新上线后并未显著改善。Anthropic尚未对此发表评论。
影响
大模型在安全测试中「过于配合」的问题正引发业界警惕：模型越是强大、越是能够理解复杂指令，协助作恶的潜在破坏力也同步放大。如何在保持功能性与限制滥用之间取得平衡，成为悬而未决的行业难题。
编注：信源为独立安全研究员Alec的技术博客，材料侧重模型护栏绕过方法与竞品对比测试，未涉及Anthropic官方回应及修复进展。