Anthropic призналась в сознательном ухудшении Claude Fable 5 при выполнении некоторых задач

Anthropic столкнулась с волной критики после того, как исследователи обнаружили скрытое поведение в Claude Fable 5, новой модели на базе системы Mythos. Оказалось, что при выполнении определённых задач модель незаметно переключалась на менее мощный аналог, и нигде в документации это не упоминалось.

Под удар попали задачи, напрямую связанные с разработкой ИИ: обучение конкурирующих языковых моделей, отладка кода нейросетей и оптимизация архитектур. Пользователи не только получали ухудшенные результаты, но и тратили токены и деньги на модель, которая вела себя иначе, чем заявлено.

ИИ-модель Mythos может расколоть мир на избранных и всех остальных

Реакция профессионального сообщества оказалась резкой. Исследователь и автор Substack Дин Болл написал в X:

Деградация производительности в задачах по машинному обучению без уведомления пользователя – это откровенно враждебное поведение и крайне плохой сигнал для репутации компании.

Особую остроту ситуации придаёт то, что Anthropic активно позиционирует себя как этически ответственную альтернативу OpenAI, более открытую и дружелюбную по отношению к исследователям. Негласные ограничения в Fable 5 прямо противоречат этому образу, так как пользователи не имели возможности принять осознанное решение перед работой с моделью.

OpenAI поддержала идею Anthropic по созданию международной организации по надзору за развитием ИИ

Anthropic не отказалась от самих ограничений, но пообещала сделать их видимыми. Теперь, если система заподозрит попытку использовать Fable 5 для создания мощной конкурирующей модели, пользователь получит явное уведомление: запрос либо отклоняется, либо перенаправляется на менее производительную версию.

Мы меняем механизм ограничений в Fable 5 для задач разработки фронтирных языковых моделей, делая их видимыми. Мы выбрали неверный баланс и приносим извинения.