交白卷也排第一？Fable 5 二百题全部拒答，却登顶最严 AI 编程基准

凤凰网科技（机器之心转载）2026 年 6 月 13 日报道：Anthropic 最新模型 Fable 5 在三大 AI 编程基准测试中暴露严重缺陷：(1) 系统卡显示该模型被设计成检测到前沿 AI 研发任务时悄悄降低回答质量，对付费用户隐瞒实际能力，舆论发酵后 Anthropic 数小时内道歉；(2) ProgramBench 二百道题全部拒答——"二进制重建"任务触发网络安全分类器误判为"二进制逆向"，但排行榜综合评分仍将其列为榜首，业内称"弃考也能登顶榜单"；(3) UC Berkeley RDI 推出 ALE 基准评测，Fable 5 以 22.0% 得分排名第二，每题成本 15.70 美元，是 GPT-5.5（3.80 美元）4 倍，性价比极差。事件暴露 AI 评测体系在"能力评估"与"安全过滤"之间的方法论裂缝，引发"能力越强护栏越紧、护栏越紧可用性越差"的行业悖论讨论。