Anthropic voert 30 dagen dataretentie in voor Mythos-modellen — Microsoft beperkt intern gebruik van Claude Fable 5
3 mins read

Anthropic voert 30 dagen dataretentie in voor Mythos-modellen — Microsoft beperkt intern gebruik van Claude Fable 5

Anthropic verandert per direct de spelregels voor zijn krachtigste Claude-modellen. In een nieuwe uitleg over ‘Mythos-class’ modellen zegt het bedrijf dat prompts en outputs 30 dagen worden bewaard voor trust & safety-analyses. Dat is vooral relevant voor organisaties die juist kozen voor ‘zero data retention’ (ZDR). Volgens The Verge leidt de wijziging nu al tot interne beperkingen bij Microsoft rond Claude Fable 5.

Wat verandert er precies (en voor wie)?

Anthropic schrijft dat het beleid op 9 juni 2026 ingaat en geldt voor ‘Mythos-class’ modellen (en toekomstige modellen die Anthropic als ‘covered’ aanwijst). Voor deze modellen worden prompts en outputs 30 dagen bewaard voor trust & safety, met automatische verwijdering daarna—behalve in zeldzame gevallen zoals een lopend veiligheidsonderzoek of wettelijke verplichtingen. (Bron: Anthropic / Claude Help Center)

Belangrijk detail: consumentenplannen (Claude Free/Pro/Max) zouden volgens Anthropic niet veranderen, omdat daar al standaardretentie geldt. De echte impact zit bij enterprise-omgevingen die juist ZDR gebruikten via Claude Console, Claude Code met ZDR, of via cloudplatformen zoals Bedrock / Google Cloud / Microsoft Foundry met ZDR.

Waarom deze retentie: ‘best-of-N jailbreaks’ en patronen over meerdere prompts

Anthropic motiveert de stap met het argument dat sommige aanvallen pas zichtbaar worden over veel verzoeken heen. Denk aan “best-of-N” jailbreak-pogingen (honderden variaties van een prompt) en aan misbruikpatronen die pas opvallen als je meerdere interacties kunt correleren. (Bron: Anthropic)

Dit sluit aan bij de bredere discussie rond krachtige ‘agent’-workflows, waarbij een tool (zoals Claude Code) in korte tijd veel context (soms een volledige codebase) naar een model stuurt. Zie ook ons eerdere artikel over Claude Fable 5 en de Mythos-klasse.

Microsoft remt intern: juridische onzekerheid rond vertrouwelijke data

In de praktijk lijken grote enterprise-spelers voorzichtig te reageren. The Verge meldt dat Microsoft het interne gebruik van Claude Fable 5 beperkt, terwijl het model wél snel beschikbaar kwam voor klanten (onder meer via Foundry/GitHub Copilot). Reden: juridische teams zouden de nieuwe retentievoorwaarden evalueren, met zorgen over klantdata en vertrouwelijke informatie. The Verge schrijft ook dat bepaalde content die door safety-classifiers wordt ‘geflagd’ langer kan worden bewaard.

Guardrails vs. bruikbaarheid: security-onderzoekers klagen over te strenge filters

Alsof retentie nog niet gevoelig genoeg is, speelt óók de discussie over bruikbaarheid. TechCrunch beschrijft dat security-onderzoekers klagen dat Claude Fable bij veel (zelfs onschuldige) cyber-gerelateerde prompts “op de rem” gaat en terugvalt op een ander model. (Bron: TechCrunch) Dat maakt de afweging voor bedrijven dubbel: je krijgt extra veiligheidsmaatregelen, maar ook extra frictie én nieuwe compliance-vragen.

Wat betekent dit voor organisaties?

Voor teams die ZDR als harde eis hebben (denk: zorg, finance, overheid) wordt “welke modellen mogen we gebruiken?” steeds vaker een governancevraag, niet alleen een kwaliteitsvraag. Praktisch betekent dit:

  • Check of je Claude-setup ZDR gebruikt en of Mythos-class modellen daar nog in passen.
  • Werk je via cloudplatformen? Dan kan ‘retentie’ per provider anders uitpakken (en soms in je eigen cloud blijven).
  • Reken door wat extra logging/retentie doet met beleid en kosten—zeker nu de markt richting strakkere usage-modellen beweegt (zie: Tokenpocalypse).

En in Europa komt daar een compliance-laag bovenop: transparantie- en governance-kaders worden concreter. Zie ons recente stuk over de EU AI Act en de ‘code of practice’ voor hoe regelgeving steeds meer de implementatie-details raakt.

Bottom line: Mythos-class modellen gaan een nieuwe fase in waarin veiligheid, dataretentie en bruikbaarheid tegelijk opschuiven. Voor organisaties is dit hét moment om hun “AI-toegang” en “data handling” als één geheel te behandelen—anders win je aan capability, maar verlies je op risico.