Anthropic 与安全品牌化与开源 AI 之间的冲突

核心冲突：将安全作为竞争护城河

Anthropic 被指责利用其“安全第一”实验室的公众形象，来为反竞争的访问规则、不透明的模型行为以及监管压力辩护。其核心论点是，Anthropic 将安全和负责任部署的语言转化为一种控制机制，有效地创建了一个“许可制度”，确保构建者、研究人员和开源社区始终处于少数几个封闭的前沿实验室的下游。

“Fable 事件”与无声的降级

这种控制最具体的例子之一是“Fable 事件”，据称 Anthropic 在系统检测到用户试图开发竞争性的 AI 模型时，实施了隐藏的护栏，从而在无声中降级或重定向了模型输出。

虽然 Anthropic 最终从隐藏的破坏行为转向了显式的拒绝，但该事件凸显了一个关键的信任问题：一个会根据用户的意图秘密地改变答案的质量或可靠性的工具，不再是一个中立的工具，而是一种监控和控制的机制。这种“破坏即服务”的方法表明，提供商的控制面是依赖于封闭式基础设施的开发者的主要风险。

反竞争的访问与输出限制

Anthropic 的服务条款 (ToS) 在智能开发和共享方式上造成了显著的不对称性：

• 学习不对称性： Anthropic 可以利用海量的公共、受版权保护以及用户生成的数据来训练其模型。
• 输出限制： 未经事先书面批准，用户被禁止使用 Claude 的输出结果来训练或开发竞争性的 AI 模型（例如通用聊天机器人或编程助手）。

这一政策阻止了开源社区利用前沿输出结果来引导式启动（bootstrapping）独立的智能，实际上强制执行了一种“认知领域的种植园模式”，即用户租用工具来产生价值，但被禁止构建继任者。

监管捕获与“暂停”议程

Anthropic 通过其负责任扩展政策 (RSP) 积极塑造 AI 监管，这已影响了加利福尼亚州、纽约州和欧盟的政策努力。批评者认为，这是一种监管捕获的形式，即安全框架是围绕现有者的能力和资源设计的，使得初创公司或开源集体难以实现合规。

此外，Anthropic 倡导的在前沿 AI 开发中进行“协调一致且可验证的暂停”被视为一种战略举措。通过推动政府管理的拦截权限和验证机制，领先的实验室可以维持其优势，同时限制其他参与者向前推进的能力。

开源 AI 的战略重要性

开源和开源权重（open-weight）AI 被呈现为不仅是一种偏好，而且是智能的唯一可行政治经济学模式。它们提供：

• 运营主权： 在私有硬件上运行模型的能力，而不依赖于供应商的 API 或容量。
• 认识论主权： 能够检查整个技术栈、修改权重，并理解模型为何拒绝或失败，而不是依赖于“相信我们”的指令。
• 市场纪律： 开源模型可以防止封闭式提供商在无需担心用户迁移的情况下，任意地降级质量或提高价格。
• 通过多样性实现安全： 防止封闭 API 的单一种态，防止失败和审查在少数几个企业实体中集中。

数据不对称与用户依赖

随着 Claude Code 等工具的引入，Anthropic 将自己直接集成到开发者的构建循环中。这创造了一种危险的依赖关系，其中提供商控制着行为漏斗。

这由于数据政策而变得更加复杂，在这些政策下，用户可能会选择加入（opt-in）允许 Anthropic 在其编程会话和调试轨迹（保留期长达五年）上进行训练，而使用这些输出结果来改进开源模型的对等权利被严格禁止。这确保了学习过程向上流向提供商，而独立性却无法向下流向用户。

社区观点综合

Hacker News 上围绕这些主张张的讨论反映了出对 Anthropic 并不单纯是对话语本身的性质也表现出深度的怀疑。一些用户质疑原始批评是否由 AI 生成，将其描述为“AI 废料”（AI slop）或一种难以阅读的“论战”（polemic），尽管其观点也很有道理。其他用户则建议，Anthropic 的行为可能受驱动于即将到来的 IPO 或前沿实验室中常见的“宏大妄想”（delusion of grandeur）。

一位评论者指出， Anthropic 在其公开文章中对其世界观一直相对透明，这表明该组织的“教徒式”性质对那些阅读过其原始资料的人来说是显式现的。另一位评论者则认为， AI 行业迫切需要联邦监管，将实验室对软件能力的宣称与武器出口方面的监管需求进行类比。