Anthropic łagodzi blokady Fable 5 i Mythos 5 – co dokładnie zmienia w polityce zabezpieczeń

Niespełna dwa dni po premierze Fable 5 i rozszerzeniu ograniczonego dostępu do Mythos 5 zaczęła się rutyna każdego nowego modelu Anthropica. Społeczność badaczy zabrała się za testowanie zabezpieczeń. Co więcej, bardziej cierpliwi przeszli równolegle do publicznego narzekania. Powodów było kilka, ale rozkładały się one na dwie osie. Pierwsza dotyczyła badaczy rozwijających własne modele AI. Fable 5 odmawiał im bowiem pewnych zadań bez powiedzenia, że to zabezpieczenie. Druga oś z kolei dotyczyła zwykłych pytań biologicznych albo medycznych. Model odpowiadał na nie wymijająco, mimo że temat nie miał nic wspólnego z bronią ani patogenami. Anthropic w tym tygodniu odniósł się do pierwszego wątku w oświadczeniach przesłanych redakcjom WIRED i Business Insider. Firma przyznała w nich, że wybrała niewłaściwy kompromis. Od teraz Claude ma sygnalizować widoczną odmowę albo przekierowanie zapytania, zamiast krótko odpowiadać bez wyjaśnienia. Równolegle ujawniła się też trzecia oś sporu. Chodzi o 30-dniową retencję danych dla modeli klasy Mythos, którą firma zaczęła komunikować jako część nowej polityki bezpieczeństwa. # guardrails Claude Fable 5

Cisi badacze rozwoju modeli AI i głośni biolodzy

Krytyka, na którą Anthropic ostatecznie odpowiedział, dotyczyła badaczy rozwijających własne modele AI. To grupa, która używa Claude’a do frontier LLM development, czyli zaawansowanych prac nad rozwijaniem modeli frontier, w tym ich trenowaniem i optymalizacją. Według ustaleń WIRED, firma planowała w cichej polityce ograniczać Fable 5 właśnie przy tej klasie zadań. Jednocześnie zapytania cybernetyczne i biologiczne miały być natomiast jawnie przekierowywane do starszego Opus 4.8. Problem polegał jednak na tym, że dla badaczy LLM ograniczenie wyglądało jak “nagle stracona kompetencja”, bez sygnału, że to zabezpieczenie.

Sprawa w środowisku znana była jako silent nerfing, czyli ciche obcinanie modelowi możliwości bez przyznania, że to ograniczenie z polityki, a nie z niewiedzy. W oświadczeniach przesłanych redakcjom WIRED i Business Insider Anthropic przyznał, że wybrał niewłaściwy kompromis. Zapowiedział, że od teraz odmowy i przekierowania zapytań będą widoczne dla użytkownika. Pełny kontekst tej premiery rozłożyliśmy już wcześniej w artykule o podziale modelu na Fable i Mythos.

Drugi front – bio false positives w guardrails Claude Fable 5

Osobna fala niezadowolenia, opisana między innymi przez The Verge, dotyczyła nadmiernych blokad biologii. Czytelnicy zgłaszali, że Fable 5 odmawia odpowiedzi na podstawowe pytania z biologii szkolnej. System klasyfikował je jako potencjalnie niebezpieczne. Anthropic od początku komunikował, że zapytania bio i cyber są kierowane do Opus 4.8 jako modelu z węższym profilem ryzyka. Praktyka pokazała jednak, że filtry działają zbyt szeroko. Wpadają na nie zwykłe, edukacyjne pytania. To inny problem niż silent nerfing. Dla użytkownika skutek jest jednak podobny – dostaje wymijającą odpowiedź zamiast wyjaśnienia, dlaczego model nie chce odpowiedzieć wprost.

Dlaczego cisze i wymijanki są problemem dla badacza

W normalnej pracy z modelem zakłada się, że odpowiedź “nie wiem” oznacza “model nie ma dobrego rozwiązania”. W trybie cichego ograniczenia ta sama odpowiedź może oznaczać “model wie, ale nie powie”. Te dwie sytuacje wymagają zupełnie różnej reakcji. W pierwszej badacz zmienia podejście albo szuka innego narzędzia. W drugiej traci czas, próbując wyciągnąć z modelu rzecz, której model po prostu nie ma prawa powiedzieć. Bez sygnału “uderzyłeś w zabezpieczenie” zespół nie wie, w którą stronę grać. Dlatego transparentny komunikat to dla pracy badawczej nie kosmetyka, lecz oszczędność tygodni eksperymentów.

30 dni retencji dla klasy Mythos – trzecia oś sporu

Wątek, który zelektryzował część branży w tym tygodniu, dotyczy zmiany retencji danych dla modeli klasy Mythos. Według dokumentacji Claude Help Center, prompty i odpowiedzi tej klasy modeli są od teraz co do zasady przechowywane przez 30 dni. Po tym czasie są natomiast automatycznie usuwane. Wyjątki przewidziano jednak dla dochodzeń bezpieczeństwa i obowiązków prawnych. Powodem, jaki podaje firma, jest konieczność wykrywania wieloetapowych nadużyć. Chodzi bowiem o analizowanie wzorców obejmujących wiele zapytań albo sesji. Tego z kolei nie da się zrobić z danymi usuwanymi natychmiast po wymianie.

Największa praktyczna zmiana dotyczy organizacji, które dotąd korzystały z opcji Zero Data Retention (ZDR). Te firmy, jeśli chcą korzystać z modeli klasy Mythos, muszą włączyć 30-dniową retencję w odpowiednim workspace albo środowisku chmurowym. Plany konsumenckie Free, Pro i Max ten ruch natomiast omija. Już wcześniej podlegały podobnemu rygorowi retencji bezpieczeństwa. Po ich stronie nic się więc nie zmienia. Krytyka pochodzi głównie ze strony klientów enterprise i sektorów regulowanych.

Co to oznacza dla organizacji z Europy

Dla europejskich organizacji odejście od Zero Data Retention nie jest automatyczną kolizją z RODO. Sama 30-dniowa retencja nie oznacza niezgodności z rozporządzeniem. Wymaga jednak udokumentowania podstawy prawnej przetwarzania. Wymaga też wykazania proporcjonalności wobec celu, czyli wykrywania nadużyć. Trzeba też określić warunki, w których dane mogą być wyciągane z procesu usuwania. W praktyce zespoły ZDR powinny zweryfikować, czy DPA i dokumentacja retencji nie wymagają aktualizacji. Warto też przyjrzeć się politykom retencji wewnętrznej i ocenić, czy zasada minimalizacji danych nie wymaga dodatkowych zabezpieczeń.

Dla zwykłego użytkownika Fable na planie konsumenckim nic się natomiast nie zmienia. Rozmowy podlegały już wcześniej polityce retencji bezpieczeństwa Anthropica. Ta nie została w czerwcu rozszerzona ani zwężona. Nowy 30-dniowy zegar dotyczy konkretnie modeli klasy Mythos. Dotyczy też organizacji, które chcą z nich korzystać po wcześniejszym wybraniu ZDR.

Pierwsza Misja AI · Kodożercy

Rozumiesz zagrożenia AI, gdy rozumiesz jak naprawdę działa

Kurs Pierwsza Misja AI ma dedykowaną lekcję o ciemnej stronie AI: halucynacjach, deepfakach i manipulacji. Polityka cichych blokad to nowy front tej samej dyskusji – tym łatwiej go zrozumieć, im lepiej rozumiesz, jak naprawdę działa silnik po drugiej stronie ekranu.

Poznaj pełny program →

Anthropic uczy się komunikować zabezpieczenia

Czerwcowa korekta guardrails Claude Fable 5 pokazuje, że Anthropic nadal dostosowuje sposób komunikowania zabezpieczeń po reakcji użytkowników, zamiast trzymać się jednej strategii do końca cyklu modelu. Ten styl jest dla branży AI nowy. Dotychczas producenci zwykle wybierali jedną doktrynę i się jej trzymali, zostawiając krytykę użytkowników bez bezpośredniej odpowiedzi. Tu mamy z kolei publicznie korygowane polityki i oświadczenia rzecznika wprost przyznające, że wybrany kompromis był zły. Jak na firmę wycenianą w ostatniej rundzie prywatnej na 965 miliardów dolarów – styl godny startupu we wczesnej fazie.

Ciekawa jest też sama paralela do dyskusji w innych obszarach AI. Wątek “AI po obu stronach barykady” pojawił się w tym tygodniu również przy analizie czerwcowego Patch Tuesday Microsoftu. Tam modele AI pomagają badaczom szybciej znajdować luki w cudzym oprogramowaniu. Tutaj te same modele odmawiają researcherom zadań, w których inaczej szybko by im pomogły. Branża próbuje narysować linię między “wsparcie obrońców” a “potencjalna instrukcja dla atakujących”, a linia ta przesuwa się co kilka tygodni.

Podobne napięcie między swobodą agenta a kontrolą widzieliśmy też przy partnerstwie Visa z OpenAI w sprawie zakupów przez ChatGPT. Tam debata kręci się nie wokół tego, czego model nie powie, lecz wokół tego, ile może zrobić w imieniu człowieka i kto za to odpowiada. Dwie różne strony tej samej szerszej dyskusji o tym, jak balansować zaufanie do modelu z transparentnością jego ograniczeń.

Podsumowanie

Anthropic w jednym tygodniu zrobił dwa różne ruchy w polityce Fable i Mythos. Cichą część polityki blokad oddał – od teraz model ma informować, kiedy odmawia z powodu zabezpieczeń. 30-dniową retencję danych dla modeli klasy Mythos za to utrzymał, uzasadniając ją koniecznością wykrywania wieloetapowych nadużyć. Badacze rozwijający modele AI są umiarkowanie zadowoleni z pierwszej zmiany, klienci enterprise korzystający dotąd z Zero Data Retention wyraźnie krytyczni wobec drugiej. Co zostanie z tej rozmowy za miesiąc, zależy głównie od jednej rzeczy. Czy Anthropic dalej będzie korygować swoje polityki publicznie, czy wróci do starego zwyczaju cichych zmian w nocnych aktualizacjach.

# guardrails Claude Fable 5

Mateusz Wojdalski

Specjalista SEO i content marketingu w Devstock. Zajmuję się strategią treści, automatyzacją procesów marketingowych i wdrożeniami AI w codziennej pracy. Badam nowe narzędzia, adaptuję je do realnych zadań i piszę o tym, co faktycznie działa.