Claude Fable 5 Cuối cùng Đã Có Thể Nói Về Sinh Học: Anthropic Cắt Giảm 85% Các Phản Hồi Dự Phòng Dương Tính Giả

Kể từ khi ra mắt vào ngày 9 tháng 6, Claude Fable 5 là mô hình mạnh nhất mà công ty phát hành — và cũng là mô hình có khả năng cao nhất chuyển câu hỏi của bạn sang một mô hình yếu hơn. Các biện pháp bảo vệ về sinh học của nó rất rộng ngay khi ra mắt đến mức việc yêu cầu nó giải thích màng tế bào, mô tả ty thể, hoặc diễn giải kết quả xét nghiệm thường kết thúc bằng việc yêu cầu bị chuyển hướng âm thầm sang một mô hình có năng lực sinh học kém hơn. Vào ngày 7 tháng 8, công ty đã cập nhật các biện pháp bảo vệ đó, và trong thử nghiệm của chính công ty, tỷ lệ chuyển xuống liên quan đến sinh học đã giảm khoảng 85% trên tất cả các bề mặt sản phẩm.

Đây là một bản tinh chỉnh của một mô hình đã hoạt động được hai tháng, không phải là một buổi ra mắt — nhưng đây là thay đổi hành vi lớn nhất mà Fable 5 đã có kể từ sự kiện kiểm soát xuất khẩu buộc Anthropic phải rút nó trên toàn thế giới vào tháng Sáu. Sau đây là những gì thực sự đã thay đổi, những con số Anthropic đã công bố, những gì vẫn bị khóa, và ý nghĩa của bản cập nhật đối với các nhà phát triển gọi mô hình qua API.

Điều gì thực sự đã thay đổi

Rào chắn sinh học của Fable 5 chạy trên các bộ phân loại an toàn: các hệ thống AI nhỏ hơn nằm phía trước mô hình và quyết định xem một yêu cầu có phải là tác vụ sinh học "được bảo vệ" hay không. Khi một bộ phân loại được kích hoạt, yêu cầu sẽ được định tuyến lại — thông báo của Anthropic cho biết "mô hình định tuyến lại yêu cầu của người dùng đến Claude Opus 5" — đến một mô hình có khả năng sinh học thấp hơn. Khi ra mắt, Anthropic cố tình chặn gần như tất cả các truy vấn sinh học, chủ động chấp nhận hàng loạt kết quả dương tính giả, vì một sai sót trong lĩnh vực lưỡng dụng có thể gây thảm họa.

Bản cập nhật này là một lần huấn luyện lại, không phải chỉnh nhẹ tham số. Trong vài tuần qua, Anthropic cho biết họ đã viết lại "hiến pháp" của bộ phân loại — các quy tắc phân tách sinh học được bảo vệ khỏi sinh học được phép — nêu chi tiết các mục đích sử dụng vô hại, thu thập ý kiến từ các chuyên gia nội bộ và bên ngoài, xây dựng dữ liệu huấn luyện mới từ bản hiến pháp đó, huấn luyện lại bộ phân loại, và kiểm tra lại rằng nó vẫn kích hoạt đối với nội dung độc hại và lưỡng dụng trong khi cho phép nhiều mục đích sử dụng vô hại hơn đi qua. Theo cách kể của Anthropic, hiệu quả thực tế là ranh giới quyết định của bộ phân loại đã dịch chuyển: "biên an toàn" trước đây chặn quá mức các yêu cầu hợp pháp đã thu hẹp lại.

Các con số — và nơi chúng rơi vào khác nhau

Anthropic báo cáo mức giảm 85% trong các fallback liên quan đến sinh học trong quá trình thử nghiệm của họ. Vì fallback chuyển hướng bạn đến một mô hình kém khả năng hơn, điều đó cũng đồng nghĩa với việc yêu cầu của bạn ít khi trở nên yếu hơn so với những gì Fable 5 có thể trả lời. Con số này do nhà cung cấp tự công bố — đó là phép đo của chính Anthropic trên các nền tảng của họ, và không có sự kiểm toán độc lập nào về điều đó.

Mức suy giảm không được phân bổ đồng đều. Anthropic dự kiến tổng số lần fallback — vì lý do sinh học hoặc bất kỳ lý do nào khác — sẽ giảm khoảng 67% trên Claude.ai, 55% trên Claude Cowork, 17% trên Claude Code và chỉ 7% trên Claude Platform (API). Con số của API là nhỏ nhất vì một lý do đáng nói thẳng: hầu hết lưu lượng API không phải là sinh học, nên các dương tính giả sinh học của bộ phân loại chỉ chiếm một phần nhỏ hơn trong tổng số ở đó. Đối với người dùng Claude Code, con số 17% là điểm nhấn — từ vựng y sinh trong ngữ cảnh không gian làm việc đã được ghi nhận là tác nhân gây dương tính giả, với các issue GitHub trên kho lưu trữ Claude Code (#76620 và #81074) mô tả các dự án kho ngữ liệu sức khỏe lành tính bị chuyển lên mô hình hạn chế hơn.

Điều đã mở ra, cụ thể là: các câu hỏi sức khỏe và giáo dục thường ngày — đọc kết quả xét nghiệm, hiểu các triệu chứng, học sinh học — giờ đây hầu hết được trả lời bởi chính Fable 5, và Anthropic cho biết các chuyên gia chăm sóc sức khỏe nhận được nhiều hỗ trợ hơn trong các công việc lâm sàng. Đó chính xác là những hạng mục đã khiến Fable 5 thời ra mắt trở thành trò cười: mô hình biết mọi thứ về sinh học nhưng lại từ chối giải thích prion.

Cái gì vẫn còn bị khóa?

Sự nới lỏng vẫn có những giới hạn cứng. Anthropic cho biết Fable 5 "vẫn dựa vào Claude Opus 5 cho các yêu cầu mà chúng tôi coi là lưỡng dụng — bao gồm virus học, độc chất học và thiết kế phân tử." Do đó, mô hình vẫn không thể dùng cho nghiên cứu sinh học chuyên nghiệp hoặc phát triển thuốc, và Anthropic cho biết họ "cam kết thu hẹp khoảng cách đó thông qua các con đường truy cập đáng tin cậy" dành cho các nhà nghiên cứu đã được thẩm định — mà không kèm theo mốc thời gian nào.

Anthropic cũng thừa nhận rằng cácfalse positive tồn dư sẽ vẫn còn, đối với những yêu cầu nằm trong biên an toàn của bộ phân loại: {{1}}rủi ro rất thấp, nhưng vẫn bị gắn cờ{{/1}}. {{2}}Công ty đang yêu cầu tiếp tục phản hồi{{/2}}. Nói cách khác, {{3}}bản sửa lỗi là có thật, nhưng rõ ràng là chưa hoàn chỉnh{{/3}}.

Tại sao lan can an toàn lại tồn tại ngay từ đầu

Lời cảnh báo bắt nguồn từ năng lực. Anthropic cho biết Fable 5 "hiện có thể vượt trội hơn các chuyên gia trong một số nhiệm vụ sinh học đặc biệt phức tạp," và các đánh giá năng lực của chính công ty đã kết luận rằng mô hình này "có thể mang lại lợi thế đáng kể" cho một tác nhân ác ý đang phát triển vũ khí sinh học — lợi thế "không tìm thấy ở bất kỳ nơi nào khác." Công ty viện dẫn bản chất lưỡng dụng của lĩnh vực này và Đánh giá Mối đe dọa Thường niên năm 2026 của Cộng đồng Tình báo Hoa Kỳ, vốn nêu rõ sinh học tổng hợp và chỉnh sửa bộ gen là những nguồn tiềm ẩn của các mối đe dọa sinh học mới.

Bối cảnh đó cũng giải thích cho hai tuần khó khăn nhất trong cuộc đời ngắn ngủi của Fable 5. Vào ngày 12 tháng 6 — ba ngày sau khi ra mắt — Cục Công nghiệp và An ninh thuộc Bộ Thương mại Hoa Kỳ đã ra lệnh cho Anthropic đình chỉ quyền truy cập Fable 5 đối với người nước ngoài, một chỉ thị mà Anthropic không thể áp dụng một cách có chọn lọc, nên họ đã vô hiệu hóa mô hình cho tất cả mọi người. Quyền truy cập được khôi phục trên toàn cầu vào ngày 1 tháng 7 sau khi các biện pháp kiểm soát được dỡ bỏ và Anthropic phát hành một bộ phân loại mới nhắm vào kỹ thuật jailbreak cụ thể đã gây ra lệnh đó. Bản cập nhật ngày 7 tháng 8 là hồi thứ hai của cùng một câu chuyện: một mô hình có tư thế an toàn được thiết lập trong điều kiện thận trọng tối đa, giờ đang được hiệu chỉnh lại từng phần một.

Điều này có ý nghĩa gì đối với các nhà phát triển API

Nếu bạn gọi Fable 5 qua API, bản cập nhật chủ yếu thay đổi các yêu cầu nào sẽ đến bộ phân loại — nhưng hợp đồng từ chối thì đáng để bạn nắm rõ, vì nó đã là nguồn cơn gây nhầm lẫn thầm lặng kể từ khi ra mắt.

Khi một bộ phân loại chặn một yêu cầu, API trả về mã 200 với stop_reason "refusal" và một đối tượng stop_details có category là "bio", "cyber" hoặc "reasoning_extraction". Hãy phân nhánh dựa trên stop_reason, không phải nội dung thông điệp — stop_details chỉ mang tính thông tin và có thể là null. Ngoài ra còn có một chi tiết thanh toán giúp xử lý việc này rẻ hơn: các lần chặn trực tiếp bởi bộ phân loại là miễn phí. Nếu một yêu cầu bị chặn trước khi bất kỳ output token nào được trả về, thì input token sẽ không bị tính phí, điều mà Anthropic cho biết là tự động đối với tất cả các mô hình sản xuất.

Các yêu cầu fallback được tính phí khác. Thông thường, việc chuyển đổi mô hình giữa cuộc trò chuyện sẽ tính token đầu vào của mô hình mới như một cache write — gấp 1,25 lần giá đầu vào cơ bản với TTL 5 phút, gấp 2 lần với TTL 60 phút. Ngược lại, Anthropic tính token đầu vào fallback như một cache read, chỉ bằng 10% giá đầu vào cơ bản. Trên Claude API gốc và Claude Platform trên AWS, một tham số fallback phía máy chủ sẽ tự động áp dụng điều này; về phía máy khách, một fallback_credit_token trong stop_details cho phép bạn thử lại yêu cầu trên mô hình fallback trong vòng năm phút với mức giá cache read. Các SDK Anthropic đi kèm middleware refusal-fallback giúp bạn thiết lập sẵn điều này.

Một lưu ý về mục tiêu dự phòng, vì hệ sinh thái hiện đang chia rẽ về vấn đề này. Thông báo của Anthropic nêu Claude Opus 5 là mục tiêu định tuyến lại, trong khi Artificial Analysis vẫn gắn nhãn cấu hình là "Opus 4.8 fallback" và tài liệu dự phòng của nền tảng Claude tham chiếu đến Claude Opus 4.8. Dù theo cách nào, nguyên tắc vẫn như nhau — một yêu cầu bị từ chối sẽ được chuyển tới một mô hình có năng lực sinh học thấp hơn — nhưng nếu bạn đang xây dựng xoay quanh danh tính của mô hình dự phòng, hãy kiểm chứng nó với tài liệu cho đường truy cập của bạn, vì bề mặt bạn gọi có thể khác.

Bạn nhận được một công tắc dự phòng thứ hai.

Phần của câu chuyện này mà hầu hết các bài đưa tin bỏ lỡ là quyết định dự phòng là quyết định bạn có thể tự mình thực hiện, độc lập với bộ phân loại của Anthropic. Anthropic quyết định khi nào một yêu cầu đủ rủi ro để chuyển hướng; bạn có thể có những lý do hoàn toàn khác để chuyển đổi mô hình — chi phí, độ trễ, một lời từ chối mà bạn không đồng ý, một giới hạn tốc độ.

OrcaRouter định tuyến Claude Fable 5 theo đúng giá niêm yết của Anthropic, không cộng thêm phí — $10 mỗi triệu token đầu vào, $50 mỗi triệu token đầu ra, $1 cho đọc bộ nhớ cache, $12.50 cho ghi cache, tất cả đều được truyền nguyên giá — và nó mang lại cho bạn chuỗi chuyển đổi dự phòng của riêng mình ở trên. Nếu một lời gọi Fable 5 bị từ chối, hết thời gian chờ, hoặc gặp lỗi, bạn quyết định yêu cầu đi tiếp ở đâu: thử lại, dùng một mô hình suy luận khác, hoặc một mô hình tổng quát rẻ hơn, thay vì chấp nhận mặc định của nhà cung cấp. Đó là một đòn bẩy độc lập với bộ phân loại sinh học của Anthropic, và nó kết hợp với mẫu leo thang mà hầu hết các đội thực sự dùng — định tuyến công việc thường ngày đến một mô hình rẻ, leo thang các lời gọi khó và rủi ro cao lên Fable 5, tất cả thông qua một API duy nhất hỗ trợ hơn 200 mô hình.

Điểm mấu chốt

Đối với nhu cầu sức khỏe và giáo dục hàng ngày, bản cập nhật ngày 7 tháng 8 là một cải tiến thực sự: hành vi bị chỉ trích nhiều nhất của sản phẩm chủ lực Anthropic đã giảm đáng kể, và công ty đã công bố số liệu thay vì cảm tính. Đối với các nhà nghiên cứu về virus học, độc chất học hoặc thiết kế phân tử, vẫn chưa có gì thay đổi — những yêu cầu đó vẫn bị chuyển sang phương án dự phòng, và "lộ trình truy cập đáng tin cậy" vẫn chỉ là một lời hứa không có thời hạn. Đối với các nhà phát triển, thông điệp chính là coi hợp đồng từ chối như một phần của API: xử lý stop_reason "refusal" một cách tường minh, biết rằng các yêu cầu bị chặn là miễn phí và các phương án dự phòng được tính phí như đọc bộ nhớ đệm, đồng thời duy trì một chuỗi chuyển đổi dự phòng mà bạn kiểm soát để một bộ phân loại mà bạn không thể thấy không bao giờ quyết định tính khả dụng của bạn.

FAQ

Liệu Claude Fable 5 có vẫn từ chối các câu hỏi sinh học của tôi không?

Điều đó còn tùy thuộc vào lĩnh vực. Các câu hỏi sức khỏe và giáo dục hàng ngày — diễn giải kết quả xét nghiệm, hiểu các triệu chứng, học sinh học — hầu hết hiện đều do Fable 5 trả lời. Các yêu cầu mà Anthropic phân loại là lưỡng dụng — virus học, độc chất học và thiết kế phân tử — vẫn được chuyển xuống một mô hình có năng lực sinh học yếu hơn, còn hoạt động nghiên cứu chuyên nghiệp hoặc phát triển thuốc vẫn bị chặn.

Tôi có bị tính phí khi Claude Fable 5 chặn hoặc chuyển sang phương án dự phòng cho yêu cầu của tôi không?

Các khối phân loại trực tiếp (Direct classifier) được miễn phí: nếu một yêu cầu bị chặn trước khi bất kỳ token đầu ra nào được trả về, các token đầu vào sẽ không bị tính phí. Khi một yêu cầu chuyển sang mô hình yếu hơn, các token đầu vào chuyển đổi sẽ bị tính phí như một lần đọc bộ nhớ đệm (10% giá đầu vào cơ bản) thay vì ghi bộ nhớ đệm, theo tài liệu nền tảng của Anthropic.

Mô hình dự phòng có được thay đổi thành Claude Opus 5 không?

Thông báo của Anthropic nêu Claude Opus 5 là mục tiêu định tuyến lại, trong khi Artificial Analysis vẫn gắn nhãn cấu hình là "Opus 4.8 fallback" và tài liệu fallback của nền tảng tham chiếu Claude Opus 4.8. Hãy kiểm tra đối chiếu với tài liệu theo đường truy cập của bạn; nguyên tắc — một yêu cầu bị từ chối sẽ rơi vào một mô hình có năng lực sinh học thấp hơn — là giống nhau trong cả hai trường hợp.

Tôi có thể chọn phương án dự phòng của riêng mình thay vì của Anthropic không?

Vâng. Thông qua OrcaRouter, bạn có thể tự định nghĩa chuỗi chuyển đổi dự phòng (failover chain) của riêng mình cho Claude Fable 5 — định tuyến đến một lần thử lại, một mô hình rẻ hơn hoặc một mô hình suy luận khác khi bị từ chối, hết thời gian chờ hoặc gặp lỗi — độc lập với bộ phân loại của Anthropic. Fable 5 có sẵn tại đó với giá niêm yết của Anthropic, không phụ thu ($10/$50 mỗi triệu token).