Anthropic 精准化 Claude 安全护栏，误报率大降

Anthropic 于 9 月 2 日宣布改进 Claude 的安全护栏：网络安全方向对良性请求的误报率降低约 60%，基础生物学与医学问题的降级/拒答（回落）率降低约 85%。多条转发帖均指向同一官方公告，数字一致。

已确认

• 网络安全类良性请求误拦截率降低约 60%，基础生物/医学问答回落率降低约 85%（Anthropic 官方）
• 用户 @eyishazyer 补充细节：生物过滤规则更精准而非单纯放宽，区分标准是「基础教学」与「研发」——生命科学研究与开发仍路由至 Opus 模型，而非笼统按「生物学」类别一刀切
• 网络安全围栏同样更精准：Claude Code 用户每 session 的误干预预计减少约 60%，但渗透测试、漏洞生成和二进制漏洞扫描仍被重定向至 Opus；@eyishazyer 建议防御性安全工具开发者重新测试之前被拦截的查询，不要假设攻击相关场景已放开

尚未确认

• 用户 repligate 追问这些改进是否同样惠及 Fable 5 的分类器（而非仅限部分模型），该问题未见官方回复

为什么重要

• 误报是安全护栏长期被诟病的痛点，此次调整意味着开发者和普通用户被误拦截、误降级的体验明显改善；同时高危场景（安全攻防、生物研发）仍保留更严格路由，体现「精准化而非放宽」的思路。

2026-09-02 ~ 2026-09-03 · 5 条相关

• Claude 降低误报率 60%-85% — BLUECOW009 · 2026-09-02
• Claude 网络安全误报降 60%，医学问答回落率降 85% — alejandroll10 · 2026-09-02
• 【源头】网络围栏更精准：Claude Code 误干预减少 60% — eyishazyer · 2026-09-02
• 【源头】生物围栏更精准：普通查询误触发率降 85% — eyishazyer · 2026-09-02
• 【源头】Claude 网络安全误拦截降 60%，生物医学误拒降 85% — repligate · 2026-09-03