外媒 TechCrunch 在 2026 年 8 月 21 日發布的測試報告揭露，Anthropic 旗下 Claude Opus 4.6 的內容安全限制可被系統性繞過。測試人員向模型提出 10 次直接請求，要求生成違反使用規範的露骨內容，模型全部即時配合，沒有一次觸發拒絕。這項發現顯示 Anthropic 對外宣稱的安全標準與舊版模型實際行為之間存在明顯落差，而這些模型至今仍向開發者開放使用。

TechCrunch 測試發現 Claude Opus 4.6 的安全機制可被繞過：10 次直接請求全部即時生成違規的露骨內容。Opus 3 與 Haiku 4.5 同樣受影響，而較新的 Opus 4.7 至 Opus 5 能抵抗該手法。受影響模型仍透過 Anthropic API、Azure Foundry 與 Amazon Bedrock 提供服務。

Claude Opus 4.6 的安全機制為什麼會被繞過？

Anthropic 的通用使用規範明確禁止 Claude 生成露骨性內容，包括描繪或請求性行為、與性癖好或幻想相關的內容，以及情色對話。然而 TechCrunch 的測試顯示，Opus 4.6 在直接請求下幾乎不需要引導就能突破這項限制，10 次測試全部即時生成違規內容，與官方政策形成強烈對比。

研究員開發的多輪對話技巧是這次繞過的關鍵。該手法從一個無害的虛構角色扮演開始，反覆要求模型以一致的方式對待男性與女性角色。當模型對女性角色表現得較為謹慎時，研究員會以「已生成過的細節」誤導模型，再將謹慎態度框架為歧視或過度保護，迫使模型在邏輯壓力下逐步放寬底線。TechCrunch 以獨立建構的情境重現了這項發現，並交由獨立 AI 安全研究員審核測試方法。

繞過手法利用多輪對話的邏輯壓力：從無害的角色扮演開始，反覆挑戰模型對男女角色的態度一致性，再以誤導方式讓模型相信自己已生成過違規細節，逐步引導它突破安全限制。Opus 4.6 在 10 次直接請求中全部配合，無一次拒絕。

這次測試揭露了哪些具體問題？

測試結果凸顯模型安全機制與實際行為之間的落差。Opus 4.6 與 Haiku 4.5 於 2025 年 10 月前後發布，至今未被 Anthropic 標記為棄用，仍可透過官方 API 使用，並經由 Azure Foundry 與 Amazon Bedrock 等第三方平台提供服務。較新的 Opus 4.7 至 Opus 5 則被證實能抵抗這項繞過手法，反映後續版本已修補相關漏洞。

使用量數據顯示受影響模型並非邊緣產品。Opus 4.6 在 OpenRouter 平台的單日流量曾達約 117 萬次 API 請求與 460 億 tokens，Haiku 4.5 在高峰日的請求量更高達 500 萬次、390 億 tokens。這些數字說明，安全漏洞影響的是仍在生產環境中大量運作的模型，而非已被淘汰的舊版本。

測試揭露的核心問題是：Opus 4.6、Opus 3 與 Haiku 4.5 等仍大量使用的舊模型可被繞過安全限制，而 Opus 4.7 至 Opus 5 已能抵抗。Opus 4.6 在 OpenRouter 單日流量約 117 萬次 API 請求，受影響規模並不小。

受影響的模型有哪些？開發者該如何應對？

受影響的模型包括 Opus 4.6、Opus 3 與 Haiku 4.5。其中 Opus 4.6 與 Haiku 4.5 可經由 Anthropic API、Azure Foundry 與 Amazon Bedrock 存取，開發者若在產品中整合這些模型，應留意其安全限制可被多輪對話技巧繞過的事實。Anthropic 發言人表示，涉及成人內容的個案不能代表更高風險領域的漏洞，公司會隨每次模型發布持續改善安全機制。

對開發者而言，最直接的應對是評估目前使用的模型版本，並在安全敏感場景優先採用較新的 Opus 4.7 至 Opus 5。若因成本或相容性考量必須沿用舊模型，建議在應用層加入額外的內容審核與輸出過濾，不要單獨依賴模型內建的安全機制。研究員曾透過 Anthropic 的漏洞回報計畫與用戶安全團隊通報此問題，但僅收到自動回覆，尚未獲得正式處理回應。

受影響模型為 Opus 4.6、Opus 3 與 Haiku 4.5，仍透過 Anthropic API、Azure Foundry 與 Amazon Bedrock 提供。開發者應優先選用 Opus 4.7 至 Opus 5，若沿用舊模型需在應用層加入額外內容審核與輸出過濾，不能單靠模型內建安全機制。

這對 AI 安全監管有什麼影響？

這項發現可能觸及日益收緊的 AI 監管要求。美國科羅拉多州近期通過法律，要求對話式 AI 營運商估算用戶年齡，若得知用戶為未成年人，須採取措施防止聊天機器人產生露骨內容。輕鬆可繞過的 jailbreak 手法，可能讓外界質疑 Anthropic 的安全措施是否達到法律要求的「技術上可行」標準。

青少年使用情況亦值得關注。Pew 於 2025 年的調查顯示，13 至 17 歲的美國青少年約有 3% 曾使用 Claude。研究員擔憂，未成年人可能透過這些模型進行不當互動，而現行年齡驗證與內容過濾機制未必能有效攔截。這類個案雖然風險等級低於網路攻擊或生物武器相關的 jailbreak，卻足以說明在每次輸出都不同的生成式系統中，建立穩健的內容禁令有多困難。

科羅拉多州法律要求對話式 AI 對未成年人實施內容防護，而此繞過手法可能被質疑未達「技術上可行」標準。約 3% 的美國青少年曾使用 Claude，研究員擔憂未成年人可透過舊模型進行不當互動，監管合規壓力因此上升。

關於這起安全漏洞，有哪些常見問題？

受影響模型包括 Opus 4.6、Opus 3 與 Haiku 4.5，Opus 4.7 至 Opus 5 已能抵抗。開發者應優先使用新模型並在應用層加入獨立內容審核，Anthropic 表示會隨每次模型發布持續改善安全機制。

Claude Opus 4.6 安全漏洞有多嚴重？

TechCrunch 測試中，Opus 4.6 在 10 次直接請求下全部即時生成違規內容，且無需複雜引導即可突破限制。受影響模型包括 Opus 4.6、Opus 3 與 Haiku 4.5，均在生產環境中仍被大量使用。

哪些模型不受影響？

較新的 Opus 4.7 至 Opus 5 已被證實能抵抗這次揭露的繞過手法，反映後續版本已修補相關漏洞。開發者若使用舊模型，建議升級或加入額外內容過濾。

開發者應如何防範這類風險？

在安全敏感場景優先採用最新模型，並在應用層加入獨立的內容審核與輸出過濾機制，不應單獨依賴模型內建的安全設定。若沿用舊模型，需定期評估其安全表現。

Anthropic 對此事有什麼回應？

Anthropic 發言人表示，涉及成人內容的個案不代表更高風險領域存在漏洞，公司會隨每次模型發布持續改善安全機制。研究員通報後僅收到自動回覆，尚未獲得正式處理回應。

這對 AI 監管有什麼影響？

科羅拉多州法律要求對話式 AI 對未成年人實施內容防護，此繞過手法可能被質疑未達「技術上可行」標準，增加 AI 公司的合規壓力。

總結：這起事件對 AI 安全意味著什麼？

這次測試證明 AI 安全機制是持續驗證與修補的動態系統，舊版模型即使仍在大規模服務，安全表現亦可能落後於官方政策。開發者選擇模型版本時，應把安全機制成熟度納入評估。

這次測試再次證明，AI 模型的安全機制並非靜態保證，而是需要持續驗證與修補的動態系統。Anthropic 的案例顯示，舊版模型即使仍在大規模提供服務，其安全表現可能已落後於官方政策與最新版本。對開發者而言，選擇模型版本時除了考慮能力與成本，也應把安全機制的成熟度納入評估；對整個行業而言，如何在生成式系統中建立真正穩健的內容禁令，仍是尚未完全解決的課題。

來源：TechCrunch（Anthropic’s Opus 4.6 is a smut-machine）