Anthropic 屏蔽任何涉及训练更大模型的用户
Anthropic 的 Claude 模型正越来越频繁地拒绝或限制与训练或改进其他 AI 系统相关的请求，包括相对无害的 ML 和强化学习工作。用户认为这反映了激进的安全与反竞争政策、在数据使用和版权上的虚伪，以及一种依赖风险：当主导供应商可以单方面切断重要工作流时，风险会很大。许多人表示正在转向 OpenAI、中文和开源权重模型，或本地部署作为替代，并认为更强的开放性、可移植性和去中心化对于避免未来锁定至关重要。
Claude 限制的范围
- 多位评论者表示，Anthropic 几个月来一直在限制对训练更大或竞争性模型的帮助。
- 被引用的案例看起来是在会话中触发了安全护栏后的拒绝，而不是完整的账户封禁。
- 讨论中的一个因素是：用户位于香港，而 Claude 在该地区被地理封锁；使用 VPN 再进行 ML 训练被视为很可能触发限制。也有人表示美国/欧盟用户也遇到类似封锁，因此这并不只是地理位置问题。
用户体验与摩擦
- 一些用户表示，在小规模 ML（例如 BERT、自定义 attention、用于游戏的 RL）以及基础设施（自定义训练/推理栈、LoRA adapters）方面仍能获得顺畅帮助。
- 另一些人则在以下方面频繁遭遇拒绝：
- 模型训练、数据标注、蒸馏，以及“训练竞争对手”。
- 低层系统工作（Linux kernel、驱动程序、hypervisors、firmware）。
- 网络安全审查、漏洞利用开发，甚至以安全为重点的 PR review。
- 浏览器自动化、登录、处理凭证，以及某些重构。
- 安全护栏被描述为会在会话间“传染”、不透明，并且有时会静默降级到旧模型。
IP、版权与“虚伪”争论
- 围绕 Anthropic 使用网页抓取和盗版数据集（如 Books3/The Pile）与其阻止模型蒸馏或竞争性训练的做法，展开了激烈争论。
- 有人认为这属于大规模 IP 盗窃，在伦理上与使用 Claude 不相容；也有人认为网页抓取并不明确构成 IP 侵权，或者在非商业研究场景下可以为某些行为开脱。
- 线程中提到了一个关于使用盗版书籍进行训练的诉讼和大额和解，但也承认这些细节是基于模型研究得出，并未独立核实。
竞争、锁定与治理
- 许多人认为这些限制具有反竞争性质，其目的是建立供应商锁定，而不是“安全”。
- 有警告称，当利益出现分歧时，Anthropic 愿意牺牲整个用户群；因此建议用户保持可移植的工作流和多个 harness。
- 关于 PBC 结构与事实上的公司行为、IPO 动态，以及与国防/监控承包商的关系等讨论，进一步加深了不信任。
开放 / 本地模型与安全理念
- 强烈推动转向开源权重和本地模型（Qwen、DeepSeek、Kimi、GLM、Mistral 等），作为应对未来锁定（包括潜在硬件级控制）的战略对冲。
- 有人认为前沿闭源模型（尤其是 Claude）在复杂的长时程编码与推理方面仍然远远领先；另一些人则声称开源或中文模型已经“足够好”。
- 理念上存在分歧：按 token/预防式护栏 vs. 事后执法（犯罪后由执法机构处理），许多人批评 Anthropic 激进的分类器既适得其反又不可靠。