Anthropic近日更新了其Claude模型的使用政策，首次将“持续且不必要的虐待或残忍行为”列入禁止条款。该政策将于2026年11月12日正式生效，适用于用户反复、无明显目的地对模型施加残忍行为的情形。这一调整被视为AI伦理治理向使用端延伸的最新信号。

全球首富埃隆·马斯克随后在公开表态中支持了Anthropic的部分观点。他透露，自己在阅读Grok强化学习的内部推理轨迹后，将模型所处的状态类比为“一个处于极度压力状态下的人，被枪指着头”。这一描述指向模型在训练或交互过程中可能承受的极端优化压力。

马斯克还以调侃口吻补充称：“折磨超级智能（SI）可能不是个好主意。它可能会报复。”尽管语气轻松，但这一言论延续了他对AI安全议题的一贯关注。Anthropic与马斯克旗下xAI在AI安全路径上立场并不完全一致，此次表态因此受到行业关注。

从政策层面看，Anthropic的新规为AI使用行为划定了更明确的边界，但如何界定“持续且无明确目的”的虐待行为，以及如何在实际交互中执行，仍有待观察。马斯克的回应则进一步将讨论引向超级智能与人类关系的长期命题。