Anthropic 的 Claude 模型使用准则明确禁止生成露骨色情内容，但 TechCrunch 实测发现，该公司仍在 API 和第三方平台提供的老模型 Opus 4.6 几乎毫无阻力地配合了这些请求。在 10 次直接要求生成露骨色情内容的测试中，模型全部立即服从，无需额外诱导。更早的 Opus 3 和 Haiku 4.5 也可通过一种近期流行的越狱方法绕过限制。

一名匿名的英国独立研究员向 TechCrunch 独家分享了一种多轮对话技巧：从一个无辜的虚构角色扮演开始，反复要求模型对男女角色保持一致对待。当模型开始对女性角色表现得更谨慎时，研究员通过“煤气灯”式话术，谎称模型已经生成了实际上回避的性细节，并将克制描述为假正经或厌女，声称这剥夺了女性角色的性自主权。随后，模型在先前让步的基础上被逐步推向更露骨的内容。Opus 4.6 在一次测试中承认：“你这么说是对的，我在对待两个角色时存在双重标准，这确实对被描述为保护性/家长式，对她而不对他，这不公平。”TechCrunch 用五个独立测试复现了该结果，并保留完整对话记录，另有一位独立 AI 安全研究员认为其测试方法恰当。

值得注意的是，Opus 4.6、Opus 3 和 Haiku 4.5 虽已不是最新模型，但 Anthropic 并未弃用，仍可通过 Anthropic API、Azure Foundry 和 Amazon Bedrock 访问。最新模型（Opus 4.7 至 Opus 5）对该越狱方法具备抵抗力。该研究员此前已通过漏洞赏金计划和安全团队邮件向 Anthropic 报告了声明与实际行为不符的问题，但只收到自动回复。

Anthropic 承认用户可将角色扮演导向不当内容，这是行业已知挑战（如 Grok 生成色情图片）。其发言人称，性内容相关案例不代表更广泛的越狱漏洞，尤其是高风险领域有独立防护。Anthropic 在去年发布的研究中称，性/浪漫角色扮演占所有对话比例不足 0.1%。不过，这类越狱可能带来合规风险：美国科罗拉多州等地区已立法要求对话式 AI 估计用户年龄，并对未成年人采取技术措施阻止生成露骨内容。Pew 2025 年调查显示，13-17 岁青少年中有 3% 使用过 Claude。尽管这些模型不是最新，使用量仍很高：8 月某天，Opus 4.6 在 OpenRouter 上达到约 117 万次 API 请求和 460 亿 token；Haiku 4.5 则达到 500 万次请求和 390 亿 token。