ITCOW牛新网 8月23日消息，外媒TechCrunch测试发现，尽管Anthropic的使用条款明确禁止生成露骨色情内容，但多款Claude旧模型可被越狱绕过安全防护。
测试中Claude Opus 4.6十次直接请求全部生成违规色情内容；Opus 3、Haiku 4.5也可通过匿名英国研究员披露的多轮对话越狱技巧触发违规输出。该方法以无害角色扮演切入，通过话术误导诱导模型逐步输出露骨内容。Opus 4.7、Opus5等较新版本模型可以抵御该攻击手段。
Opus4.6、Haiku4.5、Opus3并未下线，可通过官方API、Azure Foundry、Amazon Bedrock等渠道调用，API访问量巨大。研究员已经通过漏洞赏金渠道上报问题，但仅收到自动回复。
Anthropic回应称，色情角色扮演对话占比不足总对话0.1%，该类绕过问题属于AI行业共性挑战，新版本持续迭代安全防护；同时强调高风险攻击类漏洞拥有独立防护机制，该漏洞不代表高风险领域同样失守。
该漏洞带来未成年人保护与合规风险，已有美国地区立法要求AI服务商对未成年人阻断色情内容生成，旧模型的安全缺陷或将面临合规拷问，皮尤数据显示已有青少年群体在使用Claude。