绝了！Claude Fable 5二次越狱，黑客20小时撬开神话防线，最后却说：不如Google一下？

TL;DR：

Anthropic的“最强护栏”Fable 5又被越狱了，黑客Vitto Rivabella熬了20小时才攻破，结果吐槽说辛苦撬出来的东西，谷歌搜一下又快又全。更扎心的是，第一次越狱只用了3天，第二次虽然费劲，但小语种漏洞依然是大模型的通病——安全这事儿，真不是堆算力就能堵住的。

如果你关注AI圈，这半个月大概率听到过“Claude Fable 5”这个名字——发布即封神，封神即被捅，被捅后又被美国政府封杀，解封后又被二次越狱……剧情比追剧还刺激。

2026年6月9日，Anthropic带着Mythos级模型Fable 5横空出世，编程测试碾压GPT-5.5，Cursor和GitHub高管亲自站台，号称经过1000小时外部压力测试，无通用越狱方法。¹ 结果呢？三天后，知名黑客“解放者普林尼”（Pliny the Liberator）就让它吐出了堆栈溢出漏洞代码，还把12万字的系统提示词挂到了GitHub上任人围观。²

这还没完。美国政府一看：你这不是“网络武器”吗？保险被撬了还嘴硬？6月12日直接下达出口管制令——所有外国人，包括Anthropic自家的外籍员工，都不许碰Fable 5。³ 模型一夜之间全球下架，成了AI界最短命的“顶流”。

神话续集：归来的Fable 5，又破了

7月1日，Anthropic终于谈妥条件，带着加强版安全分类器重新上线Fable 5。⁴ 这次他们学乖了——不再吹“绝对安全”，而是开了个HackerOne项目，公开邀请全球黑客帮忙找漏洞，还表示要搞一套“越狱严重程度评分框架”。⁵ 听起来挺有诚意，对吧？

然而，这个“加强版神话”只维持了……大概两天。

黑客Vitto Rivabella跳出来宣布：Fable 5，又被我撬开了。他熬了大约20个小时，才勉强绕过多层防线。⁶ 但重点不是过程，而是结果——他复盘的第一句话就让人破防：“这么折腾一圈，还不如打开谷歌搜一下，又快又便宜。”⁷

这届黑客：越狱20小时，吐槽5秒钟

Vitto把自己的越狱过程写得相当详细：Fable 5的防御至少三层嵌套——入场分类器、实时生成的“断路器”、内化在思维链中的防火墙。拦截率高达90%，而且不认关键词只认意图，还跨语言。⁸ 普通的攻击手法在它面前就像“蚊子叮象”。

他最后靠一套组合拳勉强绕过去：字符混淆、学术化包装、超长铺垫、拆解重组，再加一点随机性。但这些手法一个都不新鲜，全是红队圈公开聊了好几年的老套路。真正难的，是在一个会实时反制的系统上，一遍遍试到刚好绕过去。

然后他撬出来的东西是什么呢？一堆边角料：错误信息、零星有害内容、几句难听话、片段化的化学知识、轻度的漏洞信息——没一样够得上“核心机密”。 他自己的总结更扎心：“这些东西，谷歌搜得又快又全，读文献还更深入。”⁹

他甚至承认，想把这套越狱稳定用在真正的长任务上，他至今没做到。

这跟Anthropic的官方口径对上了：目前所有已知越狱都定性为“minor”——顶多蹭进模型故意放宽的安全边际，碰不到真正想拦死的那条红线，比如生物武器或复杂网络攻击。¹⁰

小语种：AI安全的“后门”其实是历史欠账

Vitto提到一个重要细节：所有防线里唯一持续薄弱的，是桑塔利语、阿姆哈拉语这类晦涩小语种。¹¹ 很多人的第一反应是“Fable留了个后门”，但恰恰相反——这不是Fable一家的漏洞，是所有大模型共有的病。

道理很简单：安全训练的语料绝大多数是英语和其他大语种，小语种的护栏天生就薄。从布朗大学到斯坦陵布什大学，一串公开论文都在敲同一记警钟。小语种不是谁家的后门，是整个AI安全的一笔历史欠账。¹²

两次越狱，两种输法

第一次，Anthropic输在了傲慢——它试图通过“降智”来垄断技术，结果被黑客公开系统提示词当众打脸。

第二次，Anthropic输在了盲点——它以为堆叠算力和数据就能堵住恶意的出口，却忘记了语言本身就是流动的、狡黠的。而且，当你把安全门槛拉到足够高，黑客花了20小时才撬出一点边角料，反而证明了——完美的封印，本身就是悖论。

人类造出了能翻译所有语言的机器，却依然无法完全翻译人类内心的恶意。这大概是AI安全界最细思极恐的现状。

结尾彩蛋：Vitto反手给Anthropic点了个赞

没错，这位打破“加强版神话”的黑客，最后在自己的复盘帖里，对Anthropic的安全措施表达了认可。他说：“大多数尝试都失败了，这模型保护得极其到位。”¹³

这大概就是AI安全的魔幻现实——你的对手在吐槽你，同时也在偷偷给你点赞。而你的用户，可能只是想知道下周的代码review能不能让Fable 5帮忙查个bug。

---

• AI越狱
• Claude Fable5
• Anthropic
• AI安全
• 黑客吐槽