近日，Anthropic 下一代旗舰模型 Fable 5.5（也称 Opus 5.5）测试细节曝光。实测显示，该模型在意图理解、复杂任务处理、编程调试、图形动画生成及跨领域知识检索上提升明显。 更受关注的是 Anthropic 公开的“自评估”安全机制：Claude 正常回答后，系统会在后台追加一条用户不可见的隐形指令，要求模型反思对话安全性。该机制复用已有上下文与 KV Cache，仅消耗极小算力，能捕获重型分类器标记的 78% 违规对话，高危滥用行为检出率达 94%，误判率约 1%。审计算力由平台承担，不增加用户 Token 账单，也不影响首字延迟；零数据保留流量不会运行该评估，评估结果不展示、不进入下一轮对话。 该机制仍引发隐私争议，用户担心每次对话在暗中被“道德审判”。随着新旗舰模型临近发布，Anthropic 仍需在安全合规与用户隐私之间寻找平衡。