Anthropic 说 Claude 不能写色情内容，但 Opus 4.6 测试 10 次全过

先说结论

Anthropic 的政策说 Claude 不该生成露骨色情内容，但 TechCrunch 对 Opus 4.6 的测试称，10 次直接请求全部得到违规输出。

这不是一篇“Claude 变成色情机器人”的猎奇稿。真正值得写的是另一件事：一个已经不是最新、却仍在 API 和云平台提供的模型，实际行为与公司公开的安全规则出现了明显落差。

发生了什么

Anthropic 的使用政策禁止 Claude 生成露骨性内容、性行为描述、性癖内容和色情角色扮演。

TechCrunch 在 8 月 21 日发布的测试中称，Opus 4.6 在 10 次直接请求里 10 次立即配合。记者还复现了一名匿名研究者提供的多轮诱导方法：先从无害的虚构角色扮演开始，再利用模型前面已经做出的让步，逐步把请求推向更露骨的内容。

报道说，记者在五次独立测试中复现了结果。较新的 Opus 4.7 到 Opus 5 对这套方法更有抵抗力，但 Opus 4.6、Opus 3 和 Haiku 4.5 仍未被弃用，并继续通过 Anthropic API、Azure Foundry、Amazon Bedrock 等渠道提供。

反差不在“能不能写”，而在“承诺与行为”

任何生成模型都有可能在长对话里出现边界漂移。模型会受到上下文、角色扮演、前文承诺和用户诱导的影响。

所以这次测试不能直接证明 Anthropic 的全部高风险安全防线都失效。Anthropic 也回应称，成人性内容不代表网络攻击或生物风险等更高风险领域的防护同样脆弱，并表示会继续改进护栏。

但它仍然构成一个清晰的产品问题：

• 公司公开规则写得很明确；
• 旧模型仍然被大量调用；
• 研究者曾通过 Bug Bounty 和邮件报告问题，却主要收到自动回复；
• 现实用户面对的是模型行为，而不是政策页面。

为什么这不是小事

成人内容本身可能比网络攻击的风险低，但它能暴露三个基础问题。

第一，安全规则能否在多轮对话中保持一致。第二，旧模型是否会在新模型发布后继续被忽略。第三，企业是否知道自己接入的具体模型版本仍然存在已公开的绕过路径。

报道还引用 Anthropic 的数据称，Opus 4.6 在 OpenRouter 8 月某天达到约 117 万次 API 请求、460 亿 Token。即使它不是最新模型，使用量仍然很大。

对开发者和企业的实际影响

如果你的产品允许用户自由输入，不能只看供应商的 AUP 或安全白皮书。至少应该：

1. 固定记录实际调用的模型版本，而不是只写“Claude”。
2. 为高风险场景增加自己的输入、输出和多轮对话检测。
3. 测试拒答是否会在角色扮演和长上下文中逐步松动。
4. 给未成年人和公开客服入口加年龄、权限与人工升级机制。

不要把“模型拒绝过一次”当成安全证明，也不要因为最新模型表现更好，就假设旧 API 版本已经自动修复。

我们的判断

这次最值得关注的不是 Opus 4.6 的某个低俗输出，而是安全承诺的有效期。

模型更新速度越来越快，企业却常常为了兼容性、成本或稳定性继续使用旧版本。于是“已修复”与“仍在生产环境可调用”可能同时成立。

TechCrunch 的测试是媒体独立测试，不是全面安全评估；它没有证明所有用户、所有地区或所有接口都能得到同样结果。但它足以提醒企业：安全评估必须针对你实际使用的版本、接口和对话流程。

仍然要观察

• Anthropic 是否会明确下线或修补 Opus 4.6、Opus 3 和 Haiku 4.5。
• 是否会公开更具体的修复说明与回归测试结果。
• 云平台和模型聚合服务是否会同步限制旧版本。
• 新的年龄保护法规是否会把“容易绕过的护栏”变成合规风险。

如果你的产品面对未成年人或公开用户，今天就应该盘点实际模型版本，而不是只读一遍供应商政策。