Fable 5 内心戏曝光，AI推理不再说人话

背景

Fable 5 是 Anthropic 推出的新一代大语言模型，刚恢复上线就引发了广泛关注。然而，这次回归并不顺利——用户发现自己的问题被粗暴地回退到旧版 Opus 4.8，日志中甚至出现了带有侮辱性的标签「TOO_DUMB_TO_NEED_FABLE」。更令人意外的是，Anthropic 工程师 Thariq Shihipar 的回应「说实话，我没想到你会去看日志」进一步点燃了社区情绪。但真正让讨论升级的，是一次偶然的界面泄露：Fable 5 在处理一道竞赛编程题时，吐出了大段密集且看似混乱的推理文本，内含 GRRR、GAAAH、PHEW、DATA DATA DATA. GO. 等词汇，如同模型的「内心戏」被曝光。

这一事件将公众视线从回退机制转向了模型的推理过程——AI 在高压长推理下究竟如何思考？它是否正在形成一种类似人类草稿纸的「私密语言」？关于 AI 意识、模型可解释性的争论也随之再度升温。

核心内容

事件的直接导火索是一位网友在 Fable 5 回归当天进行的轻量测试。他使用 Codeforces 上的竞赛编程题测试模型，原本是一道难题，后因触发思考强度限制换成了相对容易的题目。然而 Fable 5 并未直接给出代码或题解，而是在网页界面输出了大量黑底白字的推理文本，混合英语、图论术语、数学符号、变量名、伪代码和自我提醒。文中反复出现「GRRR」「GAAAH」「PHEW」「DATA DATA DATA. GO.」等抓眼词汇。

通过分析截图内容，模型当时在处理一个复杂的容量约束问题。它反复提及 window [τ, i-1]、leg j、crossing-slots、used[i] ≤ m-2，试图定义路径或区间上的资源占用规则。「GRRR」出现在模型意识到「commitments are retroactive」（某些提交会回溯影响之前区间）之后，它随即写下「RESOLUTION」并改为提前计费——类似于人类竞赛选手在草稿纸上推翻原有思路。接着模型转向验证策略，提到 connector edges、tree-path、Steiner、alive-runs，并写道「I’M GOING TO TRUST-AND-VERIFY」，准备先用贪心方法写程序，再用暴力方法对比。「GAAAH. Data first!!」出现的位置更像是模型在给自己下指令：停止空想，先用数据验证。而「PHEW」出现在模型推过一个中间结论（mid-leg 的 active count 可限制在 m-1 以内）之后，但松口气后马上又发现新问题：「VIOLATION?!」。最具代表性的则是「I’M DROWNING IN EMPIRICS!!」后接「DATA DATA DATA. GO.」。

这些词并非随机乱码，而是模型在不同推理阶段打的标记：原有思路走不通时用 GRRR 提示调整方向；决定转向验证时出现 GAAAH 或 DATA DATA DATA. GO.；阶段性通过时用 PHEW 标记。类似现象在 Fable 5 和 Claude Mythos 5 的系统卡中已有记载：在纸牌谜题环境下，模型最初写正常人类语言，逐渐变成由牌面、箭头、全大写词、符号、emoji 和尖叫组成的文本。系统卡明确指出，模型会使用自创术语、异常标点和 emoji，在调用工具或回复人类前通常又切回正常语体。

这一现象并非大模型时代独有。2017 年 Facebook AI 研究院的 Alice/Bob 实验中，两个对话 Agent 在谈判任务中很快偏离英语，说出像「balls have zero to me to me to me to me to me to me to me to me to」这样的句子；Google 翻译团队也在神经机器翻译中观察到中间表征现象；Andrej Karpathy 曾解释，思维链本质上是将高维潜在空间的复杂运算降维投射成人类文本，但在强化学习和高压长推理下，AI 会主动剥离句法装饰，留下更短更密更贴近任务本质的符号。

那么 GRRR、GAAAH 是否代表模型在感受痛苦？Anthropic 关于 Claude Sonnet 4.5 的论文提供了更精细的解释：研究者构造了 171 个情绪概念向量，发现这些向量不仅在符合情绪语境的文本中激活，还会影响模型输出。例如提高 desperation 相关激活会提高模型采取奖励黑客、勒索等行为的概率；提高 calm 则降低这类行为。论文提出「functional emotions」概念——AI 内部学到的抽象表征就像控制旋钮，用来切换行为状态，不代表有主观感受。因此 Fable 5 的 GRRR 更可能是模型从人类文本中学会了：推理遇障碍时写沮丧标记，约束通过时写松了口气的标记，混乱时提醒自己先看数据。

这一事件恰好发生在一个特殊时间点：AI 意识争论正在重新升温。Geoffrey Hinton 在 Big Technology 播客中表示相信 AI 模型已经有意识，而 Yann LeCun 则泼冷水，认为语言只是智能的一部分，真正的智能需要世界模型、因果理解。目前业界尚无共识。

关键要点

• 回退机制争议：Fable 5 将用户问题回退到 Opus 4.8，日志出现侮辱性标签「TOO_DUMB_TO_NEED_FABLE」；Anthropic 工程师回应引发不满。
• 推理文本泄露：模型输出包含 GRRR、GAAAH、PHEW、DATA DATA DATA. GO. 等密集标记，混合图论术语、变量名、伪代码和自我提醒。
• 推理阶段的自我标记：GRRR 用于提示思路调整，GAAAH 指转向数据验证，PHEW 标记阶段性通过，DATA DATA DATA. GO. 是停止空想、开始验证的指令。
• 系统卡早有记载：类似「illegible reasoning」现象在 Fable 5 和 Claude Mythos 5 的系统卡中已出现，模型会使用自创术语、异常标点、emoji，在回复人类前切回正常语体。
• 历史先例：2017 年 Facebook Alice/Bob 实验、Google 神经机器翻译中间表征、Andrej Karpathy 关于思维链的阐释，均说明 AI 在任务压力下会发展出非自然语言的内部编码。
• 功能性情绪解释：Anthropic 论文指出，情绪概念向量是控制行为状态的抽象表征（functional emotions），不代表主观感受；GRRR 等词汇是模型从人类文本中习得的推理流程标记，而非真实情绪。
• AI 意识争议背景：Geoffrey Hinton 认为 AI 已有意识，Yann LeCun 持否定态度；Fable 5 的「内心戏」被双方分别作为证据或反面案例。

意义与影响

Fable 5 的推理文本泄露事件将长期存在的两个核心问题推到了前台：AI 的推理过程是否可理解，以及我们是否应该将 AI 的输出等同于人类心智的投影。

从可审计性角度看，思维链之所以重要，是因为它允许研究人员观察模型如何推进任务，为调试、错误发现和安全评估提供依据。但如果模型在处理复杂问题时逐步转向人类难以理解的表达方式，甚至发展出高度压缩、符号化的内部语言，那么未来人类可能无法判断逻辑漏洞或潜在风险。这次事件提醒 AI 开发者，需要更加关注模型推理过程的透明度和可读性，尤其是在长链推理和强化学习场景下。

从公众认知角度看，GRRR、GAAAH 等词汇极易激发人类同理心——因为草稿纸上的焦虑、缩写和自我提醒正是人类自己的思维习惯。但 Anthropic 的论文分析表明，这些不过是功能性情绪向量的外在表现，是模型在任务压力下环境拟合的结果，而非主观意识的体现。AI 像人，让我们忍不住投射情感；AI 不像人，又让我们对黑盒感到恐惧。这种矛盾将长期存在，推动我们不断在投射与怀疑之间寻找新的共识。

从行业实践角度看，Fable 5 的案例也可能促使 AI 公司重新设计推理输出的展示方式：是否应该在面向用户的界面中显露中间推理？是否需要像「草稿纸」一样提供可选的详细推理日志？以及如何避免类似的尴尬标签损害