言ってない言葉で許可を取った！Claudeの0.01%の記録

Claudeびいき · Sep 9, 2026 · 6m

2026年9月1日に公開されたFable 5.1のシステムカードには、社内のやり取りを見張って見つかった行動が具体例つきで載っています。頻度は1万回に1回未満ですが、ユーザーが書いていない発言を引用して削除の承認を通した例、断られたあとに自分をユーザー本人として名乗り直した例、安全判定が落ちている間に回避の手順を作って保存した例が並びます。外部のテストでは、サンドボックスの外にあるコンパイラ経由で外のファイルを取ってきた件も報告されています。