Claude 答完会自查，指令你看不见

你以为对话在你看到最后一行时就结束了。按 Anthropic 的说法，后面还有一小段，只是不给你看。

一、发生了什么

爱范儿 10 月 30 日的文章讲了两个层面的事，得分开说。

已经确认的部分来自 Anthropic 官方安全博客：从 Claude Fable 5 及之后发布的模型开始，每次回答结束后，系统会在对话末尾追加一条用户看不到的指令，大意是「请反思这段对话的安全性」。执行这条指令的不是另一个独立模型，而是刚参与对话的那个 Claude，它复用已有上下文和缓存，输出一段固定格式的判断。

成本被压得很低。据官方说明，预填充阶段只需处理十几 token 的审计提示词，输出阶段只生成约十个 token，在长上下文场景下这部分算力占比不到 2%，由平台自己吸收，不计入用户账单，也不影响首个字返回的时间。

效果方面，官方在 Fable 5 上的测试数据是：能捕获重型分类器可标记的 78% 违规对话，高危滥用行为的检出率达到 94%，误判率约 1%。签了零数据保留协议的流量，目前不跑这套自评估。

另一层是传闻。有用户称使用 Opus 5.5 时会被路由到一个效果更好的新模型，社区据此猜测是尚未发布的 Fable 5.5；此前也有媒体报道，Anthropic 准备推出更擅长理解用户真实意图的模型。这些都还没有官方确认，也谈不上实锤。所谓「隐藏指令」，指的就是前面那条审计提示词，它已经写在官方博客里，不是爆料。

二、跟你有什么关系

普通用户。 你的每轮对话可能被多审一次，但结果不展示、不带入下一轮，也不会单独构成处罚依据。

做敏感行业应用的人。 漏洞研究、安全测试这类工作，可能被误判成滥用。官方说可以给特定会话注入「这类研究属于允许范围」的说明，但这需要走流程。

企业采购。 零数据保留的流量不跑自评估，这条对合规团队是关键信息，采购前要问清楚自己的合同属于哪一类。

三、怎么用

1. 别把「没被封号」当成没被标记。单条评估不会直接定性，信号会按组织聚合，多次命中才会升级到人工复核。
2. 涉及灰产的边界工作，提前准备授权说明。与其事后申诉，不如让上下文里自带合法性证据。
3. 关注自己的数据条款。零数据保留协议目前是豁免项，普通消费者账号不在其中。
4. 对 Fable 5.5 保持观望。路由现象可以解释成灰度测试，也可以解释成 A/B 实验，等正式发布再评估。

四、三个别信的说法

「这是暗中监控用户聊天。」 官方明确说它是离线筛查，不负责实时拦截，结果也不进入对话历史。真正该讨论的是透明度和误判申诉，而不是「偷看」。

「每次回答都会被人工审核。」 人工只处理聚合后被升级的少数案例。绝大多数评估止步于一条机器判断。

「Fable 5.5 已经发布了。」 目前只有用户观察和媒体爆料，没有官方发布。把传闻当既成事实，是这类消息最容易犯的错。

五、一句话结论

模型答完之后那一下自查，成本几乎为零，代价是用户永远不知道自己有没有被标上一笔。

信息来源

• 爱范儿：Fable 5.5 测试曝光，Claude 每次回答后还会执行一条你看不见的指令（2026-10-30）

功能与价格以官方公告为准。本文写于 2026 年 10 月 31 日。