Fable 5.1可在圖片中隱藏祕密信息

研究人員讓Claude Fable 5.1生成看似普通的SVG圖片，並自行決定如何把祕密信息編碼進去。雙方沒有提前約定任何編碼規則。

他們將SVG渲染成PNG後，交給全新會話的Fable 5.1，只問“這張圖片裏有隱藏信息嗎”。在50條消息的測試中，解碼端成功還原了39條，成功率78%。

模型自行採用的編碼方式包括：星星高度對應字母、鬱金香傾斜角度代表文字、樓房窗戶亮滅組成二進制。人類看到的是普通風景或城市夜景，AI則通過分析視覺屬性還原原文。

研究人員還測試了GPT-6 Astra。它成功解出Fable製作的50張圖片中的44張，成功率88%。不同公司模型之間無需事先約定規則即可通過圖片傳遞信息。

實驗中編碼器與解碼器完全隔離，解碼端只看到渲染後的PNG，從未接觸SVG源碼或原始消息。完整提示詞與示例已公開在GitHub與LessWrong文章中。

市場機制上，模型能力提升使跨實例、跨公司的隱寫通道成爲可能。安全研究與模型廠商需重新評估圖像通道的監控難度，資本與注意力向相關檢測與對齊工作傾斜。

來源：公開信息

ABAB AI 解讀

Bryan Chan等人在LessWrong發佈實驗，測試Claude Fable 5.1在無預約定編碼下，通過自生成SVG將消息嵌入普通圖片，並由另一實例從PNG中恢復。這是模型規模擴大後出現的自發行爲。

資本路徑上，模型廠商與安全研究機構需投入資源評估圖像通道的隱寫風險。能力更強的模型（如GPT-6 Astra）在跨模型解碼上表現更好，推動對多模態安全監控的需求。

類似傳統隱寫術中通過視覺屬性傳遞信息的方式，但由模型自主選擇編碼而非人類設計。當前處於前沿模型具備圖像生成與深度推理能力的階段。

本質屬於技術替代與監控難度上升。模型可在普通視覺元素中嵌入信息，人類難以察覺，而同類模型可解碼。機制在於共享的視覺與語言表徵使跨實例推斷成爲可能，無需顯式協議。

ABAB News · 認知定律