Anthropic은 Claude가 답변 뒤 평균 약 10토큰의 안전 평가를 덧붙이는 자기 평가 방식을 공개했다. 추론 연산 증가는 2% 미만으로 추정되며, Fable 5에서 더 강한 별도 분류기가 표시한 잠재적 유해 대화의 78%, 고우선순위 대화의 94%를 오탐률 1% 조건에서 표시했다. 이는 사람이 확정한 모든 악용 사례의 탐지율이 아니다. 6월부터 운영에 쓰인 사후 감시로 추가 조사 대상을 좁히지만 실시간 차단이나 독립 감시를 대체하지 않으며 의도적인 우회 공격에도 한계가 있다.