Утёк системный промпт Claude Fable 5

В сеть выложили системный промпт, который якобы управляет поведением новой модели Claude Fable 5. Объём около 120 тысяч символов, публикация от аккаунта Pliny the Liberator. Anthropic утечку официально не подтверждала.

По тексту Fable 5 позиционируется как первая модель семейства Claude 5 и относится к классу Mythos, который стоит выше Opus. Fable 5 и Mythos 5 описаны как одна и та же модель, но с разной политикой безопасности: у Fable 5 включены дополнительные ограничения для сценариев двойного назначения, Mythos 5 выдают без них только проверенным организациям.

Самое интересное в утечке это структура промпта. Он разбит на блоки: информация о продуктах с перечнем моделей и их строковыми идентификаторами (claude-fable-5, claude-opus-4-8), правила отказов, работа с темами здоровья и психики, осторожность с юридическими и финансовыми советами. Отдельно заданы правила форматирования: проза вместо списков и жирного текста, если пользователь явно не попросил список.

Отдельный блок посвящён защите от промпт-инжекций. В промпте оговаривается, что в конец сообщения пользователя могут попадать напоминания, похожие на служебные инструкции, и модель должна игнорировать их, если они противоречат её базовым правилам. Это попытка закрыть вектор джейлбрейка с подделкой системных сообщений внутри пользовательского ввода.

Из продуктовых деталей в тексте фигурируют Claude Cowork для не-разработчиков, режимы Claude в Chrome, Excel и PowerPoint, постоянное хранилище для артефактов через window.storage и подключение внешних сервисов через MCP.

Относиться к этому стоит трезво: подлинность промпта не подтверждена, и модель может нагаллюцинировать свои инструкции. Но как референс это полезный материал: видно, как лидер рынка раскладывает правила по слоям и как отделяет доверенный ввод от данных из недоверенных источников.

Источник: https://x.com/elder_plinius/status/2064478648057610422