被美國政府按下暫停鍵 19 天後，Claude Fable 5 全球復活：一場改寫 AI 監管規則的風波

六月中，一位台中的軟體接案者發現自己付費訂閱的 Claude 突然少了一個選項：前一週才發布、號稱最強的 Fable 5 整個從選單消失，官方公告只說「配合美國政府要求暫停」。他和全球所有使用者一樣，被迫降級回舊模型，一等就是 19 天。

這 19 天，會被寫進 AI 監管史。

事件背景

時間線很戲劇化：6 月 9 日，Anthropic 發布 Claude Fable 5 與 Mythos 5，定位是有史以來最強的公開模型（當時報導見發布報導）。僅僅三天後的 6 月 12 日，美國商務部對兩款模型祭出出口管制——起因是 Amazon 研究人員發現一個越獄提示，能讓模型繞過安全防護去標記軟體漏洞，其中一例還寫出了示範漏洞如何被濫用的程式碼。

由於管制令即刻生效、而 Anthropic 沒有辦法即時驗證使用者國籍，公司乾脆對「所有人」停權，全球使用者一視同仁地失去存取權。6 月 26 日，Mythos 5 先對美國特定機構恢復；6 月 30 日管制解除；7 月 1 日，Fable 5 在 Claude.ai、API、Claude Code 與 Claude Cowork 全面回歸。

本次重點

• 管制的直接代價：全球使用者停用 19 天，AWS、Google Cloud、Microsoft Foundry 上的企業存取也一度中斷、事後陸續恢復。
• 恢復初期有用量限制：Pro、Max、Team 方案在 7 月 7 日前，Fable 5 只開放至週用量上限的 50%，之後改以用量credits計。
• Anthropic 換來解禁的承諾：讓政府在發布前提早測試涉及國安的模型、快速通報越獄與防護更新、成立聯合安全研究團隊、推動業界共同安全標準。
• 越獄嚴重度框架出爐：Anthropic 聯合 Amazon、Microsoft、Google 提出四項評估準則——能力增益、增益廣度、武器化難易度、可發現性。

市場影響分析

對台灣使用者：這是很多人第一次體會「模型也會被下架」。付了訂閱費不代表服務保證存在，重要工作流別押在單一模型上——Claude、ChatGPT、Gemini 之間的備援切換能力，從此是基本功。

對企業應用：採購 AI 服務的風險清單上，從此要多一欄「監管風險」。合約裡的服務中斷條款、多模型備援架構、內部流程對特定模型的依賴度盤點，這些以前被當成杞人憂天的東西，六月都真實發生了。

對開發者：官方這次透過雲平台的恢復是「逐步重新上架」，做產品的人應該把模型可用性當成外部依賴來監控，就像監控第三方 API 一樣，異常時自動降級到備用模型。

未來發展趨勢

這是政府第一次用出口管制工具對「單一 AI 模型」動手，而不是針對晶片或公司。前例一開，以後每一次頂尖模型發布，都內建了「被暫停」的可能性——OpenAI 的 GPT-5.6 隨後也被要求延後發布（見我們的GPT-5.6 報導），顯示這不是單一事件而是新常態。模型商與政府的關係，正在從「事後監管」變成「事前送審」。

TheAI學院 總結與評語

評語：Fable 5 復活是好消息，但真正的訊息是——AI 供應鏈裡從此多了一個看不見的節點叫「主管機關」，把雞蛋放在一個模型籃子裡的時代結束了。

給台灣讀者的具體建議：一、個人使用者養成「主力＋備援」雙模型習慣，重要的自訂工作流在兩邊都測通；二、企業導入 AI 時，把「模型停用怎麼辦」寫進風險評估與 SLA 談判；三、關注這套越獄嚴重度框架的後續，它很可能成為未來各國監管的參考模板。

資料來源

• Anthropic 官方公告：Redeploying Claude Fable 5
• VentureBeat：Anthropic is bringing back Claude Fable 5 globally
• The Hacker News：Anthropic Restores Claude Fable 5

（本文依公開資訊整理，以官方公告為準。）

對比表格：Fable 5 暫停前後的差異

項目	暫停前	暫停後
使用權限	全球使用者可存取	僅美國特定機構可存取，後全面恢復
模型版本	Fable 5	降級至舊模型，後恢復 Fable 5
使用限制	無	週用量上限的 50%，後改以用量 credits 計
安全措施	原有安全防護	加強安全措施，包括越獄嚴重度框架

常見誤解 / 破除迷思

許多使用者誤以為 AI 模型的暫停是永久的，或者是 Anthropic 公司的決定。事實上，Fable 5 的暫停是由於美國政府的出口管制令，Anthropic 公司不得不配合暫停模型的使用。這次事件也破除了「AI 模型是絕對安全的」的迷思，顯示出 AI 模型也可能存在安全漏洞和風險。

怎麼挑選合適的 AI 模型

在選擇 AI 模型時，使用者應該考慮多個因素，包括模型的性能、安全性、可靠性和監管風險。使用者應該了解模型的限制和風險，例如越獄的可能性和安全漏洞的風險。同時，使用者也應該考慮模型的備援方案，例如使用多個模型和雲平台，以確保業務的連續性。

實用步驟：建立 AI 模型的備援方案

1. 評估業務的依賴度：評估業務對 AI 模型的依賴度，確定哪些業務流程需要 AI 模型的支持。
2. 選擇備援模型：選擇多個 AI 模型作為備援，確保業務的連續性。
3. 建立雲平台的備援方案：建立雲平台的備援方案，確保業務的連續性。
4. 監控模型的性能：監控 AI 模型的性能，確保模型的安全性和可靠性。
5. 更新備援方案：定期更新備援方案，確保業務的連續性和安全性。