fallback
当AI检测到敏感或可能存在风险的请求时，自动切换到更安全但能力较弱的模型来处理。
简单来说
fallback（回退机制）是一种安全装置，当遇到可能有风险的问题时，会把负责回应的对象换掉。这有点像医院遇到非常复杂且敏感的诊断请求时，先让值班的普通医生接诊，而不是直接找最顶尖的专科医生。普通医生的能力不及专科医生，但误用危险信息的可能性也相应更低。
AI公司认为，模型能力越强，一旦被用于恶意目的，风险也越大。因此，当问题涉及生物、化学等一旦被滥用就难以挽回的领域时，系统会自动把这类问题转交给能力较弱（风险也较低）的模型处理。问题在于，如果这种回退机制触发范围过大，那么只是想查健康检查结果或做学校作业的普通用户，也会不必要地得到能力打了折扣的回答。
因此，AI公司最近在着力打磨这一切换标准。目标是依然过滤掉真正危险的请求，同时缩小判定边界，让日常、无害的问题仍由原本能力更强的模型直接回答。
在报道中是这样出现的
文章提到，生物相关查询被转向能力较弱的Opus 5模型的"回退"（fallback）比例下降了约85%。容易被误解的一点：回退并不是直接拒答，而是悄悄让另一个更安全的模型代为回应。
亲手试一试
可以试着向聊天机器人提出无害的问题，比如解读体检数值或生物课本概念。如果回答的语气格外谨慎，或者看起来比平时简单，那就可以怀疑背后可能触发了回退机制，由另一个模型代为作答。