Anthropic lässt Claude jede eigene Unterhaltung auf Sicherheit bewerten, als nachgelagerten Missbrauchsmonitor

Das Safeguards-Team von Anthropic schreibt, bei Claude Fable 5 markiere die Methode 78 % der Gespräche, die ein stärkerer Klassifikator als potenziell schädlich einstuft, und 94 % der hochpriorisierten, bei 1 % Fehlalarmen und weniger als 2 % zusätzlicher Rechenlast; sie läuft seit Fable 5 auf jedem Modell, blockiert keine Chats und ist laut Anthropic gegen entschlossene Angreifer nicht robust.