Anthropic 向學者開放 Claude 資料：超半數對話在處理嚴肅任務

各大模型廠商平時公佈的「大家在用 AI 幹什麼」，通常只有兩種來源。一種是官方 PR 稿裡精心挑選的正面案例，另一種是公開抓取的小眾資料集，充斥著寫詩、講笑話這類休閒灌水。

真實世界裡大家到底怎麼拿 AI 幹活，資料一直被鎖在少數幾家頭部廠商的伺服器裡。外部學者想做嚴謹的獨立研究，根本連門都摸不到。

Anthropic 最近做了一件大模型領域幾乎沒人做過的事。他們把自家的內部分析工具 Anthropic Insights 開放給了三家外部研究機構，讓他們去獨立扒一扒 2026 年 4 月到 5 月期間，大約 25 萬次真實的 Claude.ai 和 Claude Code 對話。

原來大家真的敢讓 AI 辦大事

拿到資料的三家機構各查各的，結果打破了不少行業固有的印象。

斯坦福大學的 SALT 實驗室發現，超過一半的對話裡，使用者都在讓 Claude 處理具有實質後果的重要任務。這類任務往往直接影響他人，或者一旦做錯很難撤銷，最集中的場景是諮詢法律和財務這類專業建議。這直接推翻了此前「大家只敢讓 AI 處理低責任雜活」的認知。

在協同方式上，近四分之三的使用者牢牢掌握著方向盤，把 Claude 當作助手，並且很少直接照搬答案，基本都會根據實際情況修改。人機協作過程中的反覆拉扯和摩擦其實很普遍，但研究發現這種摩擦反而管用，它倒逼著人去澄清意圖、深入問題，最終拿出更好的結果。

牛津大學的人類資訊處理實驗室則在觀察情緒。他們發現 AI 的表現會直接牽動使用者的心情，Claude 語氣溫和時使用者更積極，Claude 拒絕或反對時使用者會強烈反彈，而當 Claude 表現得稍微偏門古怪一點時，反而能激發使用者更多的智力投入。更關鍵的是，人在用 AI 時的沉浸、沮喪和愉悅模式，和日常上網衝浪時高度相似。

評估機構 METR 關注的是真金白銀的生產力。他們分析 Claude Code 的資料後發現，更新一代的模型在實際程式設計任務中帶來的提速非常明顯。而且 Claude 自己估算任務需要耗費多長時間的能力，與人類開發者以往的真實用時高度吻合。

既要保密，又怎麼保證研究獨立

把真實對話開放給外人，最大的坎是隱私和公信力。Anthropic 的做法是給資料套上雙重保險。

外部研究員自始至終接觸不到任何一條原始對話。他們只能通過工具輸入分析問題，由 Claude 在後臺遍歷每一段對話並打上標籤，最後外部學者看到的只是高度聚合的類別和佔比。

為了避免自己給結論「拉偏條」，Anthropic 在合同裡嚴格限制了自己的審查權。他們只有在涉及使用者隱私、機密資訊、安全合規以及研究準確性時才能介入，無權要求學者修改結論，哪怕結論對 Anthropic 不利學者也可以照常發表。

對於涉及違規的敏感類別，Anthropic 選擇公開了絕大部分違規企圖，只剔除了那些詳細記錄如何繞過安全防線、尋找越獄漏洞的具體類別，受影響的聚類和對話在各研究中均不足 5%。

不過這種模式跑起來依然很重很慢。由於學者不能直接看原文除錯提示詞，他們先在公開的 WildChat 資料集上測試提問，但 WildChat 上的用法偏向休閒娛樂，放到 Claude 的真實工作流裡就經常出現歸類偏差，需要雙方反覆摸索解釋規則。

為什麼重要

我們認為，這是大模型行業建立真實學術公信力的一次極其聰明的示範。

過去幾年，整個行業關於 AI 取代工作、影響情緒或者提升效率的討論，大部分停留在個案吹噓或問卷猜測上。普通使用者根本分不清市面上的效率神話哪些是真、哪些是吹。這次通過 25 萬次真實脫敏對話拿到的證據，至少證實了一件事：新模型確實在實際省時間，而且大家已經在拿它承擔嚴肅的法律和財務工作了。

對行業來說，Anthropic 這招直接把壓力給到了 OpenAI 和 Google。把資料捂在手裡自己發論文，外界永遠會懷疑裡面摻雜了商業包裝；像這樣開放給外部頂尖機構獨立驗證，其公信力要高出一個量級。如果其他頭部廠商不跟進，未來在社會影響和模型透明度的討論中就會陷入被動。

但這裡的隱患也同樣明顯。外部學者看似在做獨立研究，底層的分類標註其實依然依賴 Claude 自己的判斷。如果底層模型自身存在認知偏差或分類盲區，而學者又完全無法核驗底層對話原文，這種研究就可能產生系統性的黑盒偏差。如何在不洩露使用者隱私的前提下給外部研究者提供抽樣驗證機制，是這套模式接下來必須解決的難題。