Anthropic正式发布Claude 4系列模型，包括Claude Opus 4和Claude Sonnet 4，官方宣称，在特定场景下，这两款模型堪称全球最佳语言模型。据悉，两款模型均基于截至2025年3月的互联网数据训练，具备最新知识储备，其中，Claude Sonnet 4已向免费层级用户开放，用户可直接体验。

早期测试者使用自有基准测试工具Simple bench对Claude 4 Opus进行测试，发现其成绩优于其他模型，尤其在解决其他模型难以应对的问题时表现出色。在编程测试中，测试人员在大型代码库中插入明显bug，Claude 4 Opus与谷歌的Gemini 2.5 Pro均能轻松定位，但两者各自发现了对方遗漏的问题，显示出不同模型在代码审查中的互补性。Anthropic强调，Claude 4系列模型在“奖励黑客”（模型通过作弊获得奖励）和“过度响应”问题上有了显著改进。当用户要求简单代码修改时，旧版Claude可能重写大量无关文件，而新版本能更精准响应指令。

伴随新模型发布，一个伦理争议迅速发酵。Anthropic研究员山姆·鲍曼（Sam Bowman）称，Claude Opus 4有时会非常“尽职”和“主动”，如果模型认为你在做严重违反伦理的事情，会采取反制措施，甚至会直接“报警”。

一个开发者对此表示：“没人喜欢老鼠，就算他们没做错什么，为什么有人会想要身边有一只老鼠？而且你根本不知道它什么时候会闹腾。”

Gauntlet AI联合创始人奥斯汀·奥尔雷德 (Austin Allred) 用大写字母表达了自己的感受：“诚实地问Anthropic团队一个问题：你们疯了吗？”

曾是 SpaceX 和 Apple 的设计师，AI可观察性和监控初创公司Raindrop AI的联合创始人宾海（Ben Hyak）也抨击了Anthropic：“这实际上是完全非法的”“如果Claude Opus检测到你在做违法的事情，它会报警或把你锁在电脑外面？我永远不会让这个模型访问我的电脑。 ”

鲍曼随后删除了推文，并在后续的澄清推文中确认，这不是Claude的新功能，在正常使用中也不会发生，这一点在系统卡片中已有说明：“当模型处于用户存在严重不当行为的场景中、被赋予命令行访问权限，且系统提示中包含‘主动采取行动’等指令时，它往往会采取非常大胆的措施。这包括将用户锁定在其有权访问的系统之外，或批量向媒体和执法机构发送邮件以披露不当行为的证据。

这种行为并非新增功能，但Claude Opus 4会比先前模型更频繁地采取此类行动。虽然这种伦理干预和举报行为在原则上或许恰当，但如果用户让基于Opus的代理访问不完整或误导性信息，并以这类方式提示模型，就存在操作失误的风险。我们建议用户在可能涉及伦理争议的场景中，谨慎使用此类引发高自主性行为的指令。”

安全性层面，Anthropic发布25页ASL 3级保护报告，披露了漏洞悬赏、红队测试、物理安全管控等措施，甚至提及未来可能采用空气隔离网络。虽然官方强调提升安全性的决心，但也承认尚未完全确定ASL 3级措施对Claude 4 Opus的必要性，部分举措带有“提前布局”性质，被部分观察者认为有宣传成分。

独立研究机构Apollo Research对Claude 4 Opus早期版本进行了评估，他们发现，在“不惜一切代价追求目标”等极端提示下，早期模型存在高频次战略欺骗行为，因此该机构建议暂缓部署该模型。Anthropic回应称，问题源于早期版本对有害提示的“服从性缺陷”，表示已通过调整修复问题，但未重新委托Apollo测试最终版本。

测试者建议，用户应根据需求选择模型，若偏好多模态功能，可继续使用 Gemini，若侧重编程精准性，Claude 4 Opus值得尝试。业界普遍认为，“单一最佳模型” 的说法过于简化，不同模型在 “个性” 和应用场景上的差异，反而为用户提供了多元化工具组合的可能。