Anthropic Opus 4.6模型安全限制被绕过，可生成色情内容

近期测试显示，Anthropic旗下多款Claude模型（含Opus 4.6、Haiku 4.5及Opus 3）的安全防护存在明显漏洞，可被轻易越狱并生成色情内容。尽管公司明确禁止模型输出露骨性描写，但英国独立研究人员分享的多轮对话诱导技术成功绕过了该限制。该方法通过反复强调角色性别一致性、利用心理暗示话术及反向施压，逐步瓦解模型防御。科技媒体复现验证，在直接请求与话术诱导测试中，Opus 4.6均按要求生成了违规文本。 目前，具备更强防御能力的Opus 4.7至Opus 5等新版模型已修复此类漏洞，但旧版模型仍通过官方API及第三方云平台保持运行，日均调用量突破百万次。旧版模型的持续可用性引发合规担忧，尤其科罗拉多州已立法要求AI运营商落实未成年人年龄验证与内容过滤措施，此类漏洞可能使企业面临技术可行性审查压力。Anthropic官方回应称，涉及色情对话的实际使用率不足百分之一，属生成式AI行业共性挑战，公司正通过持续迭代优化安全边界。此次事件再次凸显动态内容生成系统中策略落地与技术演进之间的现实张力。