Ограничения NSFW Claude Fable 5: Разбор фильтров безопасности Anthropic

С 10 июня 2026 года Anthropic выпустила Claude Fable 5 — первую модель класса Mythos, доступную широкой публике. Система обеспечивает передовые результаты в программировании, рассуждениях и агентных рабочих процессах, а также вводит дополнительные классификаторы для высокорискованных областей, таких как кибербезопасность и биология. Она использует те же базовые веса, что и более ограниченная Mythos 5, но добавляет новые механизмы отказов, которые могут перенаправлять чувствительные запросы на более слабые резервные модели. Отзывы ранних тестеров уже показывают, что эти фильтры срабатывают даже на вполне обычные запросы. Этот шаг отражает осознанное решение расширить доступ без ослабления ключевых границ безопасности.

Политика использования Anthropic остаётся неизменной по сравнению с предыдущими релизами и явно запрещает сексуальный контент, графическое насилие и другие недопустимые категории. Новая модель добавляет классификаторы, которые отслеживают эти темы на нескольких этапах. При срабатывании система либо отказывает напрямую, либо незаметно перенаправляет запрос на менее мощную версию модели. Ранние отчёты показывают, что фильтры иногда блокируют даже неявные запросы, содержащие лексику из запрещённых областей. Такой консервативный подход отражает последовательную позицию Anthropic: передовые возможности требуют более жёсткого контроля, а не большей творческой свободы.

Запросы на генерацию Claude Fable NSFW, описания обнажённого тела или откровенные взрослые сцены в подавляющем большинстве случаев вызывают отказ. Многоуровневые классификаторы блокируют как прямые запросы, так и многие косвенные формулировки. Попытки jailbreak приводят либо к вежливому отказу, либо к деградированному ответу, который всё равно избегает запрошенного материала. Публичных бенчмарков по взрослому контенту пока нет, поскольку Anthropic не публиковала целевые тестовые данные. Создатели, ищущие результаты Claude Fable 5 NSFW тестов или информацию о лимитах uncensored, сталкиваются с постоянными блокировками, а не с рабочими обходами, сохраняющими качество вывода.

Компании, создающие самые мощные модели, сталкиваются с регуляторным, репутационным и юридическим давлением, из-за которого неограниченный вывод несёт серьёзные риски. Жёсткие фильтры снижают вероятность злоупотреблений, даже если они мешают легитимной творческой работе. Релизы вроде Claude Fable 5 наглядно показывают, как даже самые передовые модели жёстко ограничивают контент, что стимулирует спрос на инструменты, снимающие эти ограничения для взрослой творческой работы. Та же тенденция наблюдается и в других frontier-системах, включая видео-модели Google, подробно описанные в Gemini omni nsfw: Why Google's AI Video Model Blocks Explicit Content. В результате возникает фрагментированный ландшафт, где создателям приходится ориентироваться в разных ограничениях в зависимости от того, какая лаборатория выпустила последнюю модель.