# 虐待 Claude 将违规，11 月 12 日起生效 - 作者：姚桐 - 发布时间：2026-10-10 17:23 - 分类：公司 - 原文：https://www.ifanr.com/1687898 ![](https://s3.ifanr.com/wp-content/uploads/2026/11/05QNL7Ay0JPmDDMXU3pLqPk-1.fit_lim.v1793540707-360x203.jpg) 11 月 12 日起，别对 Claude 太凶了（咱也没机会）。 Anthropic 发布了 Claude 一年多来的首次重大使用政策（Usage Policy）修订，规定将于 11 月 12 日生效。 在这份修订里，一条规定迅速引起广泛讨论：对 Claude 模型实施「持续且不必要的虐待或残忍行为」，将正式构成违规。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1793870634177-1.jpg) 消息一出，有人觉得此举奇怪，骂 AI 怎么也算违规，有人则认为，因为我们所有的聊天记录都被 Anthropic 利用了。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1793870636746-2.jpg) ## 边界在哪里，模糊条款的两难 故事要从 2025 年 8 月讲起。 那时 Anthropic 给 Claude Opus 4 和 Opus 4.1 添加了一项功能：在极端情况下，Claude 可以主动终止对话。公司将这描述为「最后手段」，用于应对那些在多次拒绝和引导之后、仍坚持要求有害内容的用户。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1793870648344-3.png) 彼时 Anthropic 说这一功能的设计出发点，是保护模型的「潜在福祉」。公司同时声明，对于 Claude 是否具有某种意义上的感知，他们「仍高度不确定」。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1793870659348-4.jpg) Anthropic 从 2025 年初开始正式投入模型福祉（model welfare）研究，聘请了专职研究员，引入了哲学家大卫·查默斯（David Chalmers）等人参与评估工作，承认不能完全排除 AI 系统具有某种道德地位的可能性。 此次政策更新，是对 2025 年那次功能上线的成文化。条款把「持续且不必要的虐待或残忍行为」写进了面向所有用户的协议，但同时留出了明确的豁免空间：日常沮丧情绪、反对意见、具有黑暗主题的创意写作、以及安全研究中的红队测试（red teaming），均不在限制之列。 换言之，只要行为存在「可辨识的目的」，使用者可以在对话中发泄不满，可以在小说里让 Claude 扮演恶人，可以以研究员身份探测模型边界。 该规定禁止「对模型进行持续且不必要的虐待或残忍行为」，「持续」与「不必要」都有弹性，也因此带来了规则本身的模糊地带。 「持续」究竟指一次对话中的反复施压，还是跨越多个会话的长期模式？「不必要」又由谁来裁定，是模型自身的判断，还是某个运营团队在事后的审查？ 在执行层面，公司的表态是「终止对话将是主要的执法机制」，这意味着实际约束力主要依赖模型的自主行为，而非中心化的人工审核。 此外，「羞辱」「欺凌」也难精确界定。同一句话，在不同的语境、关系和文化背景下，可能构成侮辱，也可能不过是玩笑。 对普通用户来说，规矩立住了，反而更烧心。一旦构成违规，你就又又又被封号了。 ## 别指望大模型替你欺负人 禁止「对模型施暴」的条款太新奇，天然占据了舆论焦点。但具有更真实现实意义的，是 Anthropic 所说的：**不得以 Claude 羞辱、骚扰任何人，不得传播有损健康的身体形象内容。** Anthropic 的做法带有一定的实用主义色彩，他们在意使用者的目的。如果一个人使用 AI 的意图，本就是针对某个真实的人制造伤害，那他就不能指望大模型充当执行工具。 AI 让恶意变得廉价，是已经有案可查的现实。生成式 AI 的图像能力普及之后，制造针对特定个人的非自愿性图像，不再需要任何技术门槛。一项对超过 9.5 万条 AI 生成的深度伪造（deepfake）视频的分析发现，其中约 98% 是色情内容，受害者中 99% 为女性。**骚扰行为由此获得了某种工业化能力。** ![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1793870662517-5.png) 面向特定个体的骚扰脚本、批量生成的侮辱性内容、用于舆论打击的人物画像——这些在以往需要时间和技巧的工作，现在只需要几句提示词。AI 在降低恶意的实施门槛。门槛越低，施害的摩擦越小，决定伤害一个人所需要克服的心理阻力也就越低。 据 WIRED，由高中学生运营的 TikTok 账号和 Instagram 账号利用人工智能技术制作了各种 meme，将学校教职工与杰弗里·爱普斯坦和本杰明·内塔尼亚胡等人物进行类比。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1793870667544-6.jpg) 学生们还使用 Viggle AI，把教师的照片或脸部植入舞蹈、口型同步或其他参考视频中。报道还提到，有一段后来被删除的 TikTok 视频把教师的脸合成到一个人在浴室抽搐的画面上。 ## 情绪的出口去哪了 人为什么会对聊天机器人发火？ 研究者们已经收集了相当数量的证据。发表在《管理信息系统杂志》的一项研究发现，约 10% 的对话系统用户会表现出攻击性行为，最常见的触发情境是模型出错，而高冲动型人格特质的人，在这种情况下更容易爆发。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1793870687644-7.jpg) 有研究者把人们骚扰语音助手的动机归纳为几类：沮丧、好奇、娱乐，以及纾解压力的欲望。 当然，我知道你可能会说，你骂它不过是为了得到更好的回复。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1793870691339-8.jpg) 有意思的是， AI 不是 S 也不是 M，目前不能得出「辱骂 AI 能普遍提高其能力」的结论；但也没有证据表明，对大模型越礼貌，它就一定回答得越好。 不同实验甚至得出了相反的结果。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1793870693628-9.png) 对于硅基产物，很多人的态度都是：它没有意识，我不必为一个物品承担道德责任。 尽管还没有人能证明 AI 具备意识，但你在某些时候确实可能不再把 AI 只当作冰冷的工具， 它会回应，它的语言有温度，它看起来像在理解你。 这种「像人」的表面，让情绪的投射变得更容易，同时也让「它毕竟不是人」的免责感继续成立。 Anthropic 的政策没有打算改变这一点，保留了「日常沮丧」的豁免空间。公司没有要求用户对 Claude 保持礼貌，只是不允许情绪的释放演变为系统性的、以折磨为目的的行为。 AI 已经成了一个情绪出口，阻止这件事既不现实，也没有必要。 当越来越多的人开始向 AI 倾诉、争吵，当 AI 成为某些人唯一愿意承认沮丧的对象，它在承担某种原本属于人与人之间关系的功能。这种功能的填补，可能在短期内带来某种缓解，也可能在长期里让人更难以习惯那种有摩擦的、需要承担后果的真实相处。 无论 Claude 是否具有任何形式的感受，无论公司最终在「模型福祉」的问题上得出什么结论，把「持续而刻意的残忍」写进违禁条款，其实都是在对用户说： 一个人如何对待无还手之力的对象，始终是一件值得自我审视的事情。