Giới Hạn NSFW Claude Fable 5: Giải Thích Bộ Lọc An Toàn Anthropic

Kể từ ngày 10 tháng 6 năm 2026, Anthropic đã phát hành Claude Fable 5, mô hình Mythos-class đầu tiên được cung cấp cho công chúng. Hệ thống mang lại kết quả ở mức frontier trong coding, reasoning và agentic workflows đồng thời giới thiệu thêm các bộ phân loại nhằm vào các lĩnh vực rủi ro cao như an ninh mạng và sinh học. Nó chia sẻ trọng số cốt lõi với Mythos 5 bị hạn chế hơn nhưng bổ sung các cơ chế từ chối mới có thể hạ cấp các prompt nhạy cảm sang các mô hình dự phòng yếu hơn. Phản hồi từ người dùng thử nghiệm ban đầu đã cho thấy các bộ lọc này kích hoạt ngay cả với các truy vấn hoàn toàn bình thường. Động thái này đánh dấu sự lựa chọn có chủ đích nhằm mở rộng khả năng tiếp cận mà không nới lỏng các ranh giới an toàn cốt lõi.

Chính sách sử dụng của Anthropic vẫn giữ nguyên so với các phiên bản trước và cấm rõ ràng nội dung tình dục, bạo lực đồ họa cùng các danh mục bị cấm khác. Mô hình mới bổ sung các bộ phân loại giám sát các chủ đề này ở nhiều giai đoạn. Khi một prompt vi phạm hệ thống, mô hình sẽ từ chối trực tiếp hoặc âm thầm chuyển sang phiên bản kém năng lực hơn. Các báo cáo ban đầu cho thấy bộ lọc đôi khi chặn cả các yêu cầu không rõ ràng chỉ vì chia sẻ từ vựng với các lĩnh vực bị hạn chế. Lớp bảo vệ thận trọng này phản ánh lập trường nhất quán của Anthropic rằng các khả năng frontier cần kiểm soát chặt chẽ thay vì mở rộng không gian sáng tạo.

Các prompt cố gắng tạo Claude Fable NSFW, mô tả khỏa thân hoặc cảnh người lớn rõ ràng đều bị từ chối trong phần lớn trường hợp. Các bộ phân loại nhiều lớp bắt được cả yêu cầu trực tiếp lẫn nhiều cách diễn đạt gián tiếp. Các nỗ lực jailbreak chỉ nhận về lời từ chối lịch sự hoặc phản hồi bị suy giảm vẫn tránh nội dung được yêu cầu. Hiện chưa có benchmark công khai nào dành cho nội dung người lớn vì Anthropic chưa công bố dữ liệu kiểm tra cụ thể. Những người sáng tạo tìm kiếm kết quả Claude Fable 5 NSFW test hoặc giới hạn Claude Fable uncensored đều gặp phải các rào chắn nhất quán thay vì các cách обход giữ nguyên chất lượng đầu ra.

Các công ty xây dựng các mô hình mạnh nhất phải đối mặt với áp lực pháp lý, danh tiếng và pháp luật khiến đầu ra không bị hạn chế trở nên rủi ro. Các bộ lọc nghiêm ngặt giảm thiểu khả năng lạm dụng ngay cả khi chúng gây khó chịu cho công việc sáng tạo hợp pháp. Các bản phát hành như Claude Fable 5 nhấn mạnh cách ngay cả các mô hình tiên tiến nhất vẫn thực thi ranh giới nội dung chặt chẽ, thúc đẩy nhu cầu về các công cụ gỡ bỏ các hạn chế này cho công việc sáng tạo người lớn. Mô hình tương tự cũng xuất hiện ở các hệ thống frontier khác, bao gồm các mô hình video của Google được trình bày chi tiết trong Gemini omni nsfw: Why Google's AI Video Model Blocks Explicit Content. Kết quả là một bối cảnh phân mảnh nơi người sáng tạo phải điều hướng các rào chắn khác nhau tùy thuộc vào phòng thí nghiệm nào phát hành bản cập nhật mới nhất.