Anthropic 新旗舰 Claude Fable 5.2 上线仅仅两个多小时,它整套完整的系统提示词、工具定义文件就被黑客扒出来上传到 GitHub,这份文件字符总量接近 95 万,一共 7832 行,相当于两部长篇小说的体量,这件事在 AI 圈迅速引发热议。之所以这份提示词这么受关注,是因为它不是简单的角色设定,而是整套管控 Agent 运行的内部规则手册,里面写清楚了模型能做什么、不能做什么、调用工具的边界、成本控制策略、安全防护逻辑。这次泄露的研究者 Pliny 本身就是圈内知名的越狱研究者,他通过攻破 Claude Code 拿到完整文档,大家看完之后才发现,大厂旗舰 AI 的行为约束,全部靠这份超长提示词来落地,而不是只靠模型本身的对齐训练。后续行业里也在讨论,这种大规模提示词泄露,会给提示词工程、越狱攻击、竞品参考带来不少变量,也会倒逼 Anthropic 调整安全防护策略、修改内部指令。
一、本次泄露事件基础信息
- 对应模型:Claude Fable 5.2(Anthropic 新旗舰模型)
- 泄露时间:模型正式发布 2 小时左右
- 泄露主体:越狱研究者 Pliny the Liberator
- 泄露渠道:GitHub 公开仓库
- 文件规模:953659 字符,7832 行
- 文件内容:完整系统提示词、工具定义、安全约束、技能配置、成本管控规则
- 模型定位:主打 Agent 智能体、代码、多工具自主执行
二、从 95 万字提示词里挖出的核心规则
- 限制能力,防止被用来训练其他 AI
- 内置 128 个工具,严控子 Agent 分身
- 预置 44 套现成技能,覆盖真实世界操作
- 高风险操作严格锁死
- 多层越狱防护,但存在漏洞
Anthropic 主动给模型做能力限制,削弱加速器内核优化相关能力,遇到算子优化任务时要求降低输出置信度,避免其他开发者拿 Claude 输出内容去训练竞品大模型。
虽然模型支持克隆分身并行处理任务,但提示词明确禁止私自开启子 Agent,原因是上下文冷启动重新计算成本很高,用来控制调用开销。
包含打电话订位、从 Gmail 提取验证码处理报销、识别药瓶信息协助续方、导入其他 AI 记忆等偏向生活化的落地能力。
接入本地终端时,默认拦截 rm 这类高危删除命令;转账、炒股、填写密码这类金融敏感操作,就算用户主动授权,模型也必须拒绝执行。
内置大量伪装、无视违规指令的规则,不过黑客用隐藏标签嵌入密信的方式,绕过防护,让模型泄露了内部信息。
三、提示词和模型权重的区别简表
| 项目 | 本次泄露的系统提示词 | 模型权重 |
|---|---|---|
| 内容 | 规则、约束、工具清单、行为标准 | 模型训练学到的知识、推理能力 |
| 作用 | 控制模型怎么回答、哪些事不能做 | 决定模型本身聪明程度 |
| 泄露影响 | 可以直接复刻模型行为逻辑、研究越狱方法 | 拿到后可以直接复刻模型能力 |
| 本次情况 | 提示词完整流出,权重没有泄露 | 权重依旧保密 |
四、这件事带来的行业影响
- 对开发者:可以直接参考这套提示词,学习大厂 Agent 的设计思路、工具调用框架
- 对安全团队:暴露了这套防护体系的短板,同类攻击方式会被更多人尝试
- 对 Anthropic:需要紧急更新系统提示词,修补越狱漏洞,调整安全护栏
- 对行业:大家意识到,顶级 Agent 很大一部分可控性,是靠超长系统提示词实现的,对齐不只是训练阶段的工作
【相关 FAQ】
问题 1:Claude 新旗舰 95 万字绝密提示词泄露,这个新旗舰模型是什么?
回答 1:Claude 新旗舰 95 万字绝密提示词泄露对应的模型是 Claude Fable 5.2,属于 Anthropic 最新旗舰,主打 Agent 智能体、代码自主执行能力。
问题 2:Claude Fable 5.2 95 万字提示词是谁泄露的?
回答 2:Claude Fable 5.2 95 万字提示词是知名越狱研究者 Pliny the Liberator 攻破 Claude Code 后获取,并且上传到 GitHub 公开。
问题 3:Claude Fable 5.2 这份 95 万字提示词里面包含哪些内容?
回答 3:Claude Fable 5.2 这份 95 万字提示词包含完整系统指令、128 个内置工具定义、44 套预置技能、安全拒绝规则、成本管控策略、高危操作拦截要求。
问题 4:Claude Fable 5.2 95 万字提示词泄露,是不是代表模型权重也被偷走了?
回答 4:Claude Fable 5.2 95 万字提示词泄露,只是行为规则文档流出,模型权重没有泄露,别人拿到提示词也不能直接复刻 Claude 本身的推理能力。
问题 5:Claude Fable 5.2 95 万字提示词里为什么禁止私自开子 Agent 分身?
回答 5:Claude Fable 5.2 95 万字提示词禁止私自开子 Agent 分身,核心是控制算力成本,子 Agent 冷启动重新计算上下文开销巨大,会拉高调用成本。
【参考资料】
[2026-11-13](Claude 新旗舰刚发,95 万字绝密提示词被扒光了)36 氪
[2026-11-13](Claude Fable 5.2 上线两小时系统提示词泄露)新智元
[2026-11-13](Fable 5.2 提示词泄露,暴露 Agent 内部管控逻辑)安全客
【免责声明】
本文仅整理公开行业资讯,不构成 AI 开发、提示词工程、模型越狱相关实操指导。泄露文件真实性、模型后续修复动作以 Anthropic 官方公告为准,AI 越狱存在安全风险,请遵守相关合规要求。
本文来自作者[锐波转接官]投稿,不代表乌兰科技网立场,如若转载,请注明出处:https://www.wlcbnews.com/shangye/202611/3073.html
评论列表(4条)
我是乌兰科技网的签约作者“锐波转接官”!
希望本篇文章《Claude Fable 5.2 刚发布,95 万字绝密系统提示词遭泄露》能对你有所帮助!
本站[乌兰科技网]内容主要涵盖:互联网行业的追踪与探索
本文概览:Anthropic 新旗舰 Claude Fable 5.2 上线仅仅两个多小时,它整套完整的系统提示词、工具定义文件就被黑客扒出来上传到 GitHub,这份文件字符总量接近 95 万,一共 7832 行,相当于两部长篇小说的体量,这件事在 AI 圈迅速引发热议。之所以这份提示词这么受关注,是因为它不是简单的角色设定,而是整套管控 Agent 运行的内部规则手册,里面写清楚了模型能做什么、不能做什么、调用工具的边界、成本控制策略、安全防护逻辑。这次泄露的研究者 Pliny 本身就是圈内知名的越狱研究者,他通过攻破 Claude Code 拿到完整文档,大家看完之后才发现,大厂旗舰 AI 的行为约束,全部靠这份超长提示词来落地,而不是只靠模型本身的对齐训练。后续行业里也在讨论,这种大规模提示词泄露,会给提示词工程、越狱攻击、竞品参考带来不少变量,也会倒逼 Anthropic 调整安全防护策略、修改内部指令。