一个大模型的安全护栏被人绕过（业内叫「越狱」），到底算多大的事，今天圈子里没个统一说法：有人觉得天塌了，有人觉得没什么。Anthropic 想给这件事定个能对齐的分数。
7 月 1 日，在把 Fable 5 重新放回全球市场的同时，Anthropic 提了个方案：联合亚马逊、微软、谷歌等几家公司，一起搭一套给「越狱严重程度」打分的标准框架。参照的对象是 CVSS——软件安全圈用了多年的漏洞评分体系。一个漏洞危不危险、该打几分，业内看这个分数就能对上话。Anthropic 想把同样的东西搬到 AI 上。
一次越狱，从四个维度评分
这套框架打算这么给一次越狱打分：
- 攻击者靠这次越狱，比用现成的工具多拿到了多少额外能力
- 这份能力增益能覆盖多少种不同的攻击任务，是单点还是全面
- 这套手法有多容易被真正武器化、拿去干坏事
- 这个技巧是不是已经广为人知，或者别人很容易自己摸索出来
四项合起来，才决定一次越狱到底该打几分。差别在哪其实很直白：同样是绕过护栏，让模型多说一句网上随便查得到的话，和让它手把手带你造一件危险东西，严重程度差着量级。现在缺的，就是一把大家都认的尺子，能把这两种情况区分开。
为什么现在提这个
这套标准不是凭空冒出来的。6 月中，Fable 5 和 Mythos 5 被美国商务部以国家安全为由摁停，Anthropic 全球下架了这两个模型。谈了十九天才换来解禁，代价是签下三条约定，其中一条就是「跟政府一起给往后的新模型定安全标准」。今天这套越狱评分框架，就是那条约定落地的第一步。
跟框架一起来的还有个具体动作。亚马逊此前递给政府的那份越狱报告里，描述了一种绕过 Fable 5 护栏的手法。Anthropic 说，新上线的分类器现在能挡住这种手法，拦截率超过 99%。换句话说，被举报的那个具体口子，已经堵上了。
提议归提议，难题还在后头
眼下这套框架还只是个提议，好几个关键问题没答案。Anthropic 没说谁来牵头写这套标准，没给公开的时间表，也没解释一个绕不开的难题：同一次越狱，几家公司照着同一套框架各打各的分，打出来不一样怎么办——最后听谁的？至于微软和谷歌会不会真把它用进自己的产品，目前也只是名字挂在方案里，没有一家出来确认。
CVSS 能成为软件漏洞的通用语言，靠的是几十年里各家慢慢磨出来的共识，不是一纸提案。AI 这套要走到那一步，先得过的是另一关：几个本来在市场上互相抢饭吃的对手，愿不愿意用同一把尺子来量自己。
参考来源：Anthropic Redeploys Fable 5 With Cross-Lab Jailbreak Rubric（AI Weekly）；Claude Fable 5 Returns Globally: New Classifier Blocks Jailbreak, Flags More Code（TechTimes）；CocoLoop、Anthropic reactivates Fable, Mythos after securing government approval（Cybersecurity Dive）