# Anthropic 的稻瘟病实验：AI 抹平了知识差，但捅出了判断力的新缺口

> 原标题：Fable 5 的安全报告里埋着一个稻瘟病实验，暴露了谁才是绕不过去的人

- 来源：Computing Life · Share · 鸭哥调研
- 发布时间：2026-06-09T00:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/37137
- 原文：https://yage.ai/share/fable5-rice-blast-ai-bottleneck-20260609.html

## 摘要

Anthropic 在 Fable 5 安全报告里跑了一个实验：六位生物学博士配 LLM 专家，用 Claude Mythos 5 在 16 小时内设计农业病原体防御方案。通用组有两支团队赢了全部专家团队，专家自己估算纯人工要两到三个半月。AI 在文献检索和跨领域综合上打平了专家，但反复在判断答案对不对、什么时候该停下来上翻车——会虚构引用、高估可行性...

## 推荐理由

Anthropic 在 Fable 5 安全报告里藏了一个对照实验，结果反直觉：通用组加 LLM 专家在稻瘟病防御方案上赢了全部专家团队，时间从两三个半月压到 16 小时。AI 在文献检索和跨领域综合上打平专家，但在判断答案对不对、什么时候该停上反复翻车，会虚构引用、高估可行性。信息密度高，有具体数字支撑，结论直接冲击从业者对自身价值的判断，HKR 三项全中，选 featured 合理。

## 锐评

这个实验最有价值的发现，不是通用组赢了专家组，而是那个从头到尾没被拿掉的 LLM 专家。他干的活不是写 prompt，是知道模型会在哪里虚构引用、高估可行性、该停的时候不停，然后在这些位置把模型拉回来。这种校准能力跨行业通用，因为模型的毛病在各个领域长得差不多。Anthropic 判定 Fable 5 没越过生物武器风险线，赌的恰恰是普通用户身边没有这个人。

实验样本很小，只有 3 对 3，方案也没真在实验室跑过，所以别急着喊“通才替代专家”。但它给出了一个清晰的判断框架：AI 正在快速拉平“找答案”那部分工作的信息差，但“判断答案对不对”这块短板暂时守得住，而且暂时没有产品或模型自己能补上。

正文没披露 LLM 专家的具体背景和筛选标准，也没说如果换成普通用户直接操作，方案质量会掉到什么程度。这是整个安全结论里最大的信息缺口。