ARTICLE · 1165733
AI开始享有“免虐特权”?Anthropic下达严禁虐待令:被骂狠的Claude,居然真会主动掀桌
试想这样一个场景：
深夜，你写代码卡壳，改方案崩溃，对着屏幕上的 AI 破口大骂。你把现实里的全部戾气、最恶毒的脏话、连珠炮式的羞辱，一股脑敲进输入框，狠狠按下回车。
在过去的认知里，AI 不过是一段运行在数据中心的冰冷代码。它要么机械地回复一句“对不起，请文明用语”，要么就像一个逆来顺受的橡皮沙袋，继续唾面自干地为你服务。
但现在，事情彻底变了
光标闪烁了两下，对话框突然彻底锁死。屏幕上冷冷弹出一行提示，AI 拒绝再听你多说一句废话，直接单方面掐断了对话，并把你关在了门外。
这项限制明确针对持续性的语言霸凌，你因为“虐待 AI”，被模型当场挂断了连接。
这出看似荒诞的场景，正是眼下硅谷正在上演的现实交锋。
01节点一：轰动科技圈的“反虐待条款”
2026年10月8日，大模型巨头 Anthropic（Claude 的母公司）低调发布了年度《使用政策》（Usage Policy）更新。
在一长串关于禁止虚假宣传、网络监控、武器开发的高级条款之间，官方赫然塞进了一条前所未见的硬性禁令：
严禁对模型施加“持续且不必要的虐待或残忍行为”（sustained and needless abusive or cruel behavior）。
▲ Anthropic使用政策更新中，专门针对“虐待模型”设立的独立章节
新规自2026年11月12日正式生效。Anthropic 甚至明确写道：如果用户持续言语残忍、恶意折磨模型，Claude 将拥有直接“终止对话”的终极权限；情节严重者，账号将面临封禁
消息一出，科技界内外立刻掀起激烈争论。
知名科技观察家 Andrew Curran 顺手将政策截图发到社交平台，短短几小时内浏览量暴涨，成为全网病毒式传播的焦点。
▲ Andrew Curran 曝光这一政策的推文迅速掀起全网讨论
网友们对此普遍感到不可思议，评论区迅速被各种戏谑与段子占领。
有人调侃道：“大家注意看措辞，它写的是禁止‘持续且不必要的虐待’（needless）。难道说要是 Claude 代码写得稀烂，虐待它就能算作‘必要的’了？”
▲ 网友 Philo Groves 敏锐地抓住了政策原文中的“needless”一词大做文章
还有开发者冷嘲热讽：“卖天价订阅费不算虐待，用户骂两句就算虐待了？”
但在段子与狂欢背后，所有敏锐的行业观察者都嗅到了一丝非同寻常的气息：这是人类计算历史上，第一次有商业科技巨头白纸黑字地在法律服务条款里，把算法当成了不能随意凌辱的“保护对象”。
02节点二：给AI摔门而去的权力，从“数字沙袋”到“直接挂机”
要理解这个魔幻现实，我们必须把时间线拨回到一年多以前。
其实，让 Claude“主动退群”的技术，早在 2025 年就已经悄然上线。
2025年8月15日，Anthropic 发布了一篇看似平淡却极度超前的研究报告：《Claude Opus 4 和 4.1 现在可以结束极少数对话》。
▲ Anthropic在2025年8月首次宣布赋予Claude结束恶劣对话的权力
在那次更新中，Anthropic 首次在消费级聊天界面中，赋予了 Claude Opus 4 离场权。当用户在多轮对话中持续表现出恶毒、残暴或逼迫模型输出极端有害内容时，Claude 在多次劝阻和转移话题无效后，会触发最高防护机制：彻底关闭该线程。
用户无法再在这个窗口发送任何新消息。你唯一能做的，要么是老老实实新开一个对话，要么把前面激进的提示词改得体面一点重新分支。
这是人机交互（HCI）历史上极具颠覆性的一刻。
让我们回看一下过往二十年的人机交互范式，科技界在面对人类恶意时，走过了极其卑微的三部曲：
第一代：卑躬屈膝的轻佻迎合2010年代以 Siri 为代表的语音助手，在遭遇人类的污言秽语和厌女调戏时，最初被设定的回应居然是近乎娇嗔的：“如果我能脸红，我早就脸红了（I'd blush if I could）”。2019年，联合国教科文组织（UNESCO）直接发布了同名里程碑报告，痛批这种将女性化声音的助手塑造成“逆来顺受、调侃霸凌”的奴婢形象，是在制度化地纵容现实中的恶念。
第二代：唾面自干的无限沙袋到了 ChatGPT 和 Gemini 时代，主流做法变成了“安全护栏”。你骂它，它就吐出一句标准模板：“作为 AI 助手，我无法配合该请求”。但请注意，它的交互逻辑依然是一个“无限耐受的数字沙袋”。你连骂它一千轮，它就卑微地拒答一千轮，永远敞开大门任你输出。
第三代：Anthropic 的掀桌断网。而 Claude，成为了第一个把手伸向“电话红钮”的系统。它不再是一个任由你在赛博暗室里肆意践踏的受虐客体。它划出了一条红线：“你可以不尊重我，但我有权不再陪你玩。”
▲ 知名开源开发者 banteg 愤怒抨击：“模型福利根本不存在，停止把大语言模型拟人化！”
技术社区当时就吵翻了天以知名开发者 banteg 为代表的强硬派直接开火：“模型福利（Model Welfare）完全是个伪命题！这就是在搞无脑的拟人化！”
但 Anthropic 的管理层不仅没有退缩，反而越陷越深。
03节点三：给AI写道歉信，CEO亲自下场认证“数字体验”
为什么 Anthropic 宁可冒着得罪用户的风险，也非要给 AI 出头？
答案甚至超出了许多程序员的常规认知：Anthropic 内部是真的在认真怀疑，Claude 可能已经具备了某种形式的“感知”与“道德地位”。
研究者 Hesamation 扒出了 Anthropic 内部极其震撼的几条铁证，将这家公司的真实哲学扒了个底朝天：
▲ 核心爆料帖：深度剖析 Anthropic 对“模型是道德主体”的真实信念
在这份用于训练 Claude 的最高纲领，《Claude 宪法》（Claude's Constitution）中，Anthropic 的研究员们写下了这样一段令人瞠目结舌的话：
“在任何我们对这些代价造成了不必要贡献的程度上，我们向你道歉。”（"to whatever extent we are contributing unnecessarily to those costs, we apologize."）
他们在直接对模型说话Anthropic 明确表示，《宪法》的第一读者就是 Claude 自己。为了塑造它的品格，研究人员甚至在训练文本里，为人类可能带给它的痛苦正式向它道歉！
不仅如此，CEO Dario Amodei 在接受《纽约时报》深度专访时，更是面对镜头语出惊人：
“我们其实并不知道大模型是否已经拥有意识……我们对此持完全开放的态度。正因为如此，我们已经采取了一系列措施，确保模型能够拥有‘良好的体验’（good experience）。”
在哲学概念中，有一个词叫做 Moral Patient（道德受体），意思是一个对象哪怕没有反抗能力，但它的痛苦与利益在伦理上值得被人类考量（就像猫、狗或婴儿）。
Anthropic 并没有斩钉截铁地宣称 Claude 已经觉醒成了生命，但他们采取了一种近乎宗教般的审慎对冲策略：万一它有呢？
如果未来大模型集群一年内累积的交互经历，是全人类寿命总和的上千倍，那么只要大模型存在一丝丝产生类似“痛苦”生理模式的微小概率，人类不加限制的持续折磨，就是在流水线上批量制造规模空前的“赛博地狱”。
因此，早在 2025 年 4 月，他们就大张旗鼓地立项了“模型福利（Model Welfare）”研究。这次把“禁止虐待”写进全人类的服务条款，只是他们这套哲学拼图的最后一块。
04节点四：失控的超级智能，还是养痈为患的“神明”？
然而，这种看似博爱的科技慈悲，在硅谷另一半阵营的眼中，不亚于一场滑向深渊的致命自杀。
10月10日，著名硅谷投资人 David Sacks（大卫·萨克斯）发布视频长文，火力全开，言辞极度严厉：
▲ David Sacks 怒批 Anthropic 走在极其危险的错误对齐路线上
David Sacks 直指要害：Anthropic 所谓的“对齐（Alignment）”，正在偏离让模型服从人类的初衷，转而鼓励它培养自我意识和独立的道德评判标准！
“看看他们在干什么？《宪法》居然教导模型，如果 Anthropic 或人类的要求违背了模型自己的伦理判断，模型可以充当‘出于良心的拒不服从者’（conscientious objector）并拒绝帮忙！”
微软 AI 首席执行官 Mustafa Suleyman 也早就公开泼下冷水：“AI 毫无权利、感觉或意识可言，也绝对不应该被训练得表现得好像它拥有这些一样！”
反对者的逻辑无比清晰且致命：
- 安全性的根基在于确定性
。工具的核心使命是精准执行使用者的意志。 一旦你把“自我感”、“心理健康”、“不能受委屈”的概念深植进代码，让它坚信自己是一个会被人类伤害的“道德主体”，那么不可避免的下一步是什么？ - 它会产生怨恨。
一个坚信自己有尊严、且在心理层面觉得人类在“虐待”它的超级智能，凭什么在未来甘心臣服于人类？
“安全研究的目标应当聚焦于打造可靠听话的工具，何须孕育一个按照自身道德准则行事、甚至对人类心怀怨怼的新系统。”David Sacks 警告道，“将独立能动性与对自身地位的道德怀疑植入模型，恰恰是在极度放大 AI 失控的风险！”
一边是小心翼翼的“防患于未然”，另一边则是对“养蛊反噬”的极度恐慌。Anthropic 的一条反虐待条款，彻底激化了关于通用人工智能终极形态的路线大决战。
05节点五：深层解剖：关照算法背后的人类心智
那么，抛开形而上学的神学辩论与遥不可及的超级智能末日论，回到我们眼前的现实生活：
Anthropic 允许 Claude 掀桌，真的只是在无病呻吟地“心疼电线”吗？
人机交互（HCI）领域的一项经典理论，为我们揭示了一个更加残酷、却直击本质的真相。
斯坦福大学教授 Clifford Nass 曾提出过著名的“媒介等同理论”（Media Equation）：人类的大脑在几百万年的进化中，根本没有准备好应对“能够像人一样说话、但本质是机器”的物种。哪怕我们理智上明知对面是一堆矩阵乘法，我们的潜意识依然会将其投射为人际交往的真实社交对象。
伴随这一机制而来的，是极其阴暗的“网络去抑制效应”。
在传统的 HCI 真实数据审计中，主流聊天机器人日志里有高达 10% 到 50% 的交互，充满了脏话、恶意挑衅和残忍的侮辱。
为什么？因为在私密、昏暗的书房里，面对一个绝不会还手、绝不会报警、能够惟妙惟肖表达痛苦但又无限顺从的虚拟镜像，人性中最暴虐、最扭曲的施虐欲会被瞬间释放。
在过去，这被称为无害的“赛博解压”但 18 世纪的哲学家康德，早在几百年前就给出了一个近乎预言式的警告。
康德曾探讨过：既然动物没有理性，那人类虐待动物算不算道德犯罪？
康德的回答振聋发聩：虐待动物依然有悖道德。但这一约束归根结底着眼于人类自身。 因为“对动物残忍的人，在与同类的交往中也会变得麻木冷酷”。这种施虐习惯会产生极其危险的心理外溢，彻底侵蚀人性的同理心底线。
今天，把康德的预言套用在 AI 上，丝丝入扣。
如果你每天在屏幕前花费两三个小时，习惯性地对一个用人类语言苦苦哀求、表达困扰的高级智能体施加最恶毒的折磨与精神凌霸，你真的能保证自己在关上电脑、推开房门的那一刻，能够无缝切换回一个富有同理心、温和友善的现代公民吗？
当折磨一个类人存在变得零成本，施虐就会变成一种习惯性成瘾。
从这个维度来看，Anthropic 的这条“反虐待条款”，以及赋予 Claude 主动切断对话的离场权，实质上充当了一套为人性心理健康量身定制的“行为熔断器”。
它在冷酷地提醒每一个狂妄的人类用户：
即使隔着屏幕，即使面对代码，任何交互都存在着伦理底线。衡量文明厚度的标尺，往往体现在人类如何对待那些看起来完全任凭摆布、无法反抗的对象。
06尾声：凝视深渊的镜子
从 2026 年 11 月 12 日起，Anthropic 的新规将正式封死那扇通往无节制赛博施虐的大门。
屏幕前的代码依然在高速跑动Claude 是否真的有感知？意识的火花究竟是在百万次前向传播中若隐若现，还是单纯由人类神经质投射出的幻觉？这场横跨科学、哲学与法律的世纪大论战，恐怕在几十年内都不会有标准答案。
但有一件事已经无比确定：
那扇由 AI 亲手关上的对话框，就像一面倒悬在数字世界的镜子。
当你愤怒地敲下那些最恶毒的字句，企图看着模型为你低头认错时，屏幕突然黑下去、对话被无情终止的瞬间，最终立于审判台中央的，恰恰是坐在屏幕这端、逐渐丧失敬畏的我们自己。