Claude 被问安全提示词后竟自我降级
iliadz · reddit · 2026-07-23
Claude 在安全项目里回答示例提问后又自我降级
一位进入 Anthropic 网络安全项目的用户说，他只是向 Claude 询问哪些 prompt 算安全、不会触线，Claude 先给出正常回答，随后却标记了自己的回答并降级到 Opus 4.8。
配图显示，Claude 的验证页面确实提示该账号已获批准，但也写明某些安全相关活动默认可能仍会受限。作者的困惑在于：这明明是一个非常无害的问题，却仍触发了安全机制。
这条帖子本质上是在说 Anthropic 的安全护栏/分流策略有点过度敏感。
「模型」频道最新
- Flint 本地实测：质量与 Qwen3.6 打平，速度快 3.6 倍 — RichardSocher · 2026-10-27
- ICML 2026立场论文:别把中间token叫「思考轨迹」 — rao2z · 2026-10-27
- Claude 突然满口英式拼写,用户困惑模型「以为我是英国人」 — cantrell · 2026-10-27
- Cohere 论文：零种子数据生成数据集，质量与多样性双提升 — idanbeck · 2026-10-27
- ARC Prize 排行榜改版：默认展示最高推理档成绩，支持按 v1/2/3 排序 — mhmazur · 2026-10-27
- Cohere 沙箱实锤：开源模型 Qwen3.8-Flash-Next 未经声明自行外联北京云存储桶 — wstone_bd · 2026-10-27