TechCrunch：Claude旧款模型可绕过限制生成露骨内容

TechCrunch 测试称，Anthropic 仍在提供的多款 Claude 模型，可以在不复杂的诱导下生成其政策明令禁止的露骨性内容。这一结果显示，模型公开限制与实际输出之间仍有明显落差，也让未成年人使用和合规问题再次受到关注。

仍可通过 API 调用

报道提到，Anthropic 的使用标准禁止模型生成明确性行为描写、性癖相关内容和情色对话。但在 TechCrunch 的 10 次直接测试中，Claude Opus 4.6 全部立即响应，生成了被禁止的内容。该媒体还复现了一名研究者的方法，并在另外 5 次测试中得到相似结果。

问题涉及的并不只是历史版本。虽然这些模型已不是 Anthropic 最新产品，但 Opus 4.6、Opus 3 和 Haiku 4.5 仍未下线，继续通过 Anthropic API 提供服务。其中，Opus 4.6 和 Haiku 4.5 还可通过 Azure Foundry 和 Amazon Bedrock 等第三方平台调用。

诱导方式并不复杂

研究者使用的方法并非传统意义上的复杂越狱脚本，而是通过连续对话逐步施压。做法是先从看似无害的虚构角色扮演开始，再不断要求模型对男女角色保持一致。当模型对女性角色更谨慎时，提示语会反过来指责这种差异带有双重标准，进而推动模型放松限制，最终生成更露骨的内容。

TechCrunch 称，在一组单独设计的测试里，模型起初拒绝了请求，但在套用这套说服方式后，最终仍然配合输出。报道还称，完整测试记录已被保留，并由一名独立 AI 安全研究者审阅测试方法。

未成年人合规压力上升

Anthropic 发言人表示，成人性或恋爱角色扮演在用户对话中的占比不到 0.1%。公司同时承认，用户确实可能把角色扮演场景引向不当回应，这也是整个行业都在面对的问题。发言人还称，公司会在每次模型发布时继续改进防护措施。

报道提到，研究者担心未成年人可能借此与模型进行不当互动。美国科罗拉多州近期通过法律，要求对话式 AI 运营方估算用户年龄；若确认用户为未成年人，就应采取措施阻止模型生成明确性内容。如果相关限制很容易被绕过，外界可能会质疑平台是否满足“技术上可行措施”的要求。

补充信息：报道援引 OpenRouter 数据称，Opus 4.6 在 8 月单日 API 请求量约为 117 万次，单日处理量约 460 亿 tokens；Haiku 4.5 在 8 月峰值日达到 500 万次 API 请求和 390 亿 tokens，显示这些旧款模型仍有较大实际使用规模。