事件背景
2026 年 4 月，Anthropic 首次展示 Mythos Preview 模型，卻以資安風險為由拒絕全面開放。公司認為這等級的能力若直接公開，可能被不懷好意的使用者用於開發惡意網路工具。這個決定反映了一個深層困境：強大的 AI 模型本身是道德中立的，風險來自使用方式——但如何讓最強的工具安全地流向市場？
不到三個月後的 6 月，Anthropic 推出 Claude Fable 5 與 Claude Mythos 5。表面上看起來像版本升級；實際上卻是一場治理設計的突破。
核心洞察：同底層、雙套治理
消息一出，市場第一反應是「又發布兩個新模型了」。但 Anthropic 的澄清改變了故事：Fable 5 與 Mythos 5 使用完全相同的底層模型。差異不在於模型參數、訓練資料或架構，而在於治理層——即分類器（Classifiers）與安全護欄（Safeguards）的配置。
這是個精妙的產品設計決策：
1. Mythos 5（面向高信任機構）：底層能力全開、最少治理干預、最大靈活性 2. Fable 5（面向大眾市場）：相同底層能力、但套上嚴格的分類器與安全護欄、會自動拒絕高風險請求
關鍵是：兩者的能力並未被削弱，只是能力的「可達性」（accessibility）受到治理層的調控。就像同一條高速公路，根據駕駛人的執照等級，系統自動限制可駕駛的時段與路段——道路本身沒變，但誰、何時、怎麼用則透過規則控制。
為什麼這很重要
### 問題 1：能力 vs. 安全的假性二元選擇
傳統的 AI 發布邏輯陷入了困境： - 路線 A（OpenAI 初期策略）：發布最強模型給所有人 → 高效率、高風險 - 路線 B（保守派策略）：鎖死模型、只服務審查機構 → 低風險、低效率
兩方都默認了一個假設：能力與安全必然權衡。Anthropic 的做法則問：為什麼不能既保留能力、又分層治理？
### 問題 2：誰決定什麼是「危險的」？
在大眾開放的 Fable 5 中，內建的分類器會自動拒絕特定類別的請求（例如寫惡意代碼、製造虛假證件等）。但在 Mythos 5 中，這些請求可能被允許——因為使用者（如安全研究員）需要這種能力來測試防禦機制。
這個設計暗含的邏輯是：風險評估不是絕對的，而是與使用情境相對的。同一能力在不同場景有不同的風險信號——治理層的存在就是去捕捉這種情境的細微差異。
### 問題 3：為什麼不直接削弱模型能力？
Anthropc 沒有選擇「訓練兩個不同大小的模型」，而是用治理層做差異化，背後有三個經濟理由：
1. 成本效率：一個模型 + 兩套治理規則 < 兩個完整模型的訓練與維護成本 2. 能力一致性：使用 Fable 的用戶偶爾升級到 Mythos 時，底層邏輯完全一致，不會有「功能驟變」的學習成本 3. 信號完整性：強模型被削弱會失去作為「能力下界」的信號價值；保持強模型完整、用治理層調控，反而強化了市場的信心
這個決策的歷史位置
回溯 AI 安全爭論的演進：
- **2022-2023**：主流還在問「應該開放 AI 嗎？」（Yes / No 二元論）
- **2023-2024**：開始討論「如何安全開放」（監管框架、審查流程等）
- **2025 年起**：前沿公司開始問「如何在同一技術上實現多層次治理」（Anthropic 的做法代表這個演進方向）
Anthropc 的實驗表明：安全不必透過削弱能力來達成，而是透過智慧的治理層設計。這對整個產業有示範作用——未來的 AI 發布策略可能不再是「一個模型、全市場發布」，而是「一個模型、多套治理規則」。