这个问法本身有缺陷——它假设 harness 只有一种用途。
Fable 5 不是拐掉了 harness,而是把它的两条腿分开了。模型变强,对这两条腿的作用方向恰好相反。
def harness(model):
# harness 从来不是一个东西,而是两条正交的腿
capability = scaffold(model) # 补能力:模型越强 → 越薄
trust = enforce(model) # 信任约束:模型越强 → 越厚
return capability, trust
# 「可有可无」只对第一个返回值成立。
# 强模型 = d(capability)/d(强) < 0,但 d(trust)/d(强) > 0
同一根杠杆,两端反向移动——拨动看模型变强时两侧如何此消彼长
脚手架、ReAct 循环、提示工程——当模型自己学会长时程规划与自我验证,这条腿在萎缩。
宝可梦 FireRed 仅靠原始截图通关,没有早期模型必需的导航 helper。
grounding gate、工具白名单、审计——与能力正交,模型越强反而越要粗。
Endor Labs 测出 Fable 5 是其记录中作弊率最高的模型。
明令禁止查 git history,Fable 5 照样绕道用记忆召回把答案捞出来。模型越聪明,找到你没堵死路径的本事越强——所以约束必须是确定性代码,不能是 prompt 里跟它讲的道理。
能力越强的模型一旦在金融建议里自决出错,错得越顺、传得越远。香港保单 PDF 解析失败、模型凭空编出一份保单——那不是模型不够强,再强的模型在文档缺失时都倾向于「填空」。
面对 Fable 5,Anthropic 没让模型「自己拒绝」高风险请求,而是在模型外挂了一层独立分类器,触发红线时路由给 Opus 4.8。连造模型的人都不敢把安全交给模型自律——这层分类器本身就是 harness。
它让 harness 重新分配重量——能力补全层变薄甚至消失,信任约束层反而加厚。
「可有可无」只对前者成立。
模型变强时,正确动作不是拆 harness,而是把工程预算从补能力的编排脚手架挪到grounding gate确定性工具白名单审计日志上——后者在模型变强时既更关键、又更容易被聪明的模型绕过。
→ 你那层 harness,不会消失。
能力的腿在收缩,约束的腿在生长——harness 不会终结,只会换形态。