# Claude Fable 5 炎上まとめ（2026-06-10〜12）

## 情報源
x_search + Jina Reader + WebSearch（Gizmodo/The Register/Wired/Dataconomy）横断裏取り済み

## 炎上の核心
distillation guardrailを「非表示で出力を意図的に劣化させる」と設計しSystem Cardに明記していたが一般ユーザーは気づかなかった（prompt modification/steering vectors/PEFT）

## System Cardの問題箇所
> "Unlike our interventions for cybersecurity, biology and chemistry, and distillation attempts, these safeguards will not be visible to the user. Fable 5 will not fall back to a different model. Instead, the safeguards will limit effectiveness through methods such as prompt modification, steering vectors, or parameter-efficient fine-tuning (PEFT)."

cybersecurity/bio/chemはOpus 4.8へfall backしてユーザーに通知（可視）
しかし「他社LLMの学習に使おうとしている」と判定したクエリには無通知で出力品質の意図的低下を行っていた

## 過剰な false positive
- Gates Foundation研究者: 最初のメッセージ「Hello.」だけでOpus 4.8へのmodel_refusal_fallbackが発生
- 免疫学者: 「cancer」という単語がbiosecurity riskとしてフラグされ拒否
- GitHub claude-code repoに多数のbug report（#66587/#66655/#67062等）

## 開発者の反応
- Clay Merritt: "No refusal. No notice. Purposeful degradation invisible to the user."
- Reddit: "A refusal or HTTP-4xx is fair, but this is taking your money and poisoning your code base."

## Anthropicの謝罪・対応
公式声明: "We made the wrong tradeoff and we apologize for not getting the balance right."

変更内容:
- distillation guardrailを可視化（invisible → visible）
- flaggedリクエストはOpus 4.8へfall back + ユーザーに通知
- APIでは拒否理由をレスポンスに含める
- 公開から48時間以内に謝罪・方針転換

## shadow環境への影響
- shadowのClaude Code: v2.1.156（Fable 5前のバージョン）で安全
- v2.1.170以降アップデート: false positive多発リスクを確認してから判断

## 教訓
- System Cardに書いた≠ユーザーに伝わった→透明性の形骸化
- 非開示トレードオフは信頼を一気に崩す
- 新モデル=必ず良い は誤り（multi-model-routing.md方針と整合）