Anthropic dice que las pruebas internas encontraron que Claude Fable 5 no presentaba ningún peligro cibernético único, ya que Claude Mythos 5 regresa globalmente el 2 de julio.
La admisión acompaña el relanzamiento global de Fable 5, que culmina una suspensión de 18 días provocada por los controles de exportación de EE. UU. el 12 de junio. Anthropic probó modelos rivales para evaluar la verdadera amenaza detrás de la restricción.
Por qué Anthropic suspendió Fable 5
Fable 5 y Mythos 5 se lanzaron el 9 de junio, compartiendo el mismo modelo central, siendo el primero accesible al público. Mythos 5 se mantuvo limitado a un pequeño número de socios de confianza del Proyecto Glasswing para trabajos de ciberseguridad defensiva.
Los controles de exportación llegaron después de que investigadores de Amazon encontraran una forma de eludir las salvaguardias de Fable 5. La técnica llevó al modelo a identificar vulnerabilidades de software y, en un caso, demostrar un exploit.
Las pruebas de Anthropic encontraron que Claude Opus 4.8, GPT-5.5 y Kimi K2.7 podían identificar las mismas vulnerabilidades que Fable 5 señaló en el informe de Amazon. Cada modelo probado también pudo reproducir la demostración de un solo exploit.
El hallazgo sugiere que la directiva apuntaba a una brecha compartida en toda la industria, no a una amenaza específica de Fable. Anthropic aún construyó un clasificador más fuerte para bloquear la técnica, que ahora también señala solicitudes de codificación y depuración más rutinarias.
Cómo funcionan realmente las barandillas
Fable 5 se lanzó con el margen de seguridad más fuerte que Anthropic ha incorporado en cualquier modelo. Sus clasificadores bloquean solicitudes que parecen incluso ligeramente arriesgadas, no solo las claramente dañinas. El nuevo clasificador entrenado después del informe de Amazon bloquea el bypass reportado en más del 99% de los casos, según Anthropic. Las solicitudes bloqueadas ahora se redirigen automáticamente a Opus 4.8.
Ese margen de seguridad tiene un costo. Anthropic reconoce que el clasificador señala más solicitudes de codificación y depuración benignas, y dice que seguirá ajustándolo para reducir los falsos positivos. Mythos 5, que tiene menos de estas barreras de seguridad, regresó solo para las instituciones de Mythos 5 aprobadas por el gobierno el 26 de junio.
Los propios datos de Anthropic plantean una pregunta más difícil. Si los modelos más débiles ya pueden hacer lo que se prohibió a Fable 5, ¿qué estándar aplicarán los reguladores la próxima vez que se lance un modelo de frontera?
Fuente: BeInCrypto
