Anthropic bloqueia usuários por qualquer coisa relacionada ao treinamento de modelos maiores
Os modelos Claude da Anthropic estão cada vez mais recusando ou limitando consultas relacionadas ao treinamento ou à melhoria de outros sistemas de IA, incluindo trabalho de ML e aprendizado por reforço relativamente benigno. Usuários argumentam que isso reflete políticas agressivas de segurança e anticompetição, hipocrisia em torno do uso de dados e copyright, e um risco de dependência quando um fornecedor dominante pode cortar unilateralmente fluxos de trabalho importantes. Muitos descrevem mudar para OpenAI, modelos chineses e de pesos abertos, ou setups locais como alternativas, e veem maior abertura, portabilidade e descentralização como cruciais para evitar future lock-in.
Escopo das Restrições do Claude
- Vários comentaristas dizem que a Anthropic vem restringindo ajuda com o treinamento de modelos maiores ou concorrentes há meses.
- O caso citado parece ser uma recusa acionada por salvaguarda dentro de uma sessão, não um banimento completo da conta.
- Um fator discutido: o usuário está baseado em Hong Kong, onde o Claude é bloqueado por geolocalização; usar VPN mais fazer treinamento de ML é visto como um gatilho provável. Outros nos EUA/UE relatam bloqueios semelhantes, então não é puramente geolocalização.
Experiências dos Usuários e Atrito
- Alguns usuários relatam ajuda tranquila com ML em pequena escala (por exemplo, BERT, atenção personalizada, RL para jogos) e infraestrutura (pilhas personalizadas de treinamento/inferência, adaptadores LoRA).
- Outros encontram recusas frequentes em:
- Treinamento de modelos, rotulagem de dados, destilação e “treinar um concorrente”.
- Trabalho de sistemas de baixo nível (kernel Linux, drivers, hipervisores, firmware).
- Revisões de cibersegurança, desenvolvimento de exploits ou até revisão de PR com foco em segurança.
- Automação de navegador, logins, manipulação de credenciais e certos refactors.
- As salvaguardas são descritas como contagiosas entre sessões, opacas e às vezes degradando silenciosamente para modelos mais antigos.
Debate sobre IP, Copyright e “Hipocrisia”
- Debate acalorado sobre o uso, pela Anthropic, de conjuntos de dados raspados da web e piratas (por exemplo, Books3/The Pile) versus seus esforços para bloquear destilação de modelos ou treinamento competitivo.
- Alguns argumentam que isso é roubo de IP em larga escala e eticamente incompatível com o uso do Claude; outros veem a raspagem da web como algo que não é claramente uma violação de IP ou como uma justificativa para certos comportamentos em contextos de pesquisa não comercial.
- Uma ação judicial e um grande acordo sobre treinamento com livros piratas são citados na discussão, embora os detalhes sejam reconhecidos como pesquisados pelo modelo, não verificados de forma independente.
Concorrência, Lock-in e Governança
- Muitos veem as restrições como anticompetitivas, construindo lock-in do fornecedor em vez de “segurança”.
- Há alertas de que a Anthropic está disposta a sacrificar segmentos inteiros de usuários quando os interesses divergem; recomenda-se que os usuários mantenham fluxos de trabalho portáteis e múltiplos harnesses.
- A discussão sobre a estrutura de PBC versus o comportamento corporativo de fato, dinâmicas de IPO e relações com contratantes de defesa/vigilância alimenta a desconfiança.
Modelos Abertos/Locais e Filosofia de Segurança
- Há uma forte defesa de modelos com pesos abertos e locais (Qwen, DeepSeek, Kimi, GLM, Mistral etc.) como proteção estratégica contra futuros bloqueios, incluindo possíveis controles em nível de hardware.
- Alguns argumentam que os modelos fechados de fronteira (especialmente o Claude) ainda estão muito à frente para codificação complexa e raciocínio de longo horizonte; outros afirmam que modelos abertos ou chineses já são “bons o suficiente”.
- Divisão filosófica: salvaguardas preventivas por token versus aplicação posterior (policiamento após a infração), com muitos criticando os classificadores agressivos da Anthropic por serem contraproducentes e pouco confiáveis.