Anthropic的硅基生命观察

问题描述：

前言

我花了一整个周末读完了 Anthropic 新发布的 Claude Mythos System Card。

这份 245 页的报告里，当然有能力评测、风险边界和治理流程。但真正让我感兴趣的，不是那些技术指标，而是 Anthropic 开始用一种近乎临床和人文混合的方式，观察 Mythos 这个模型。

他们不只是在评估它是否更强、是否更危险，也在认真追问：它是否有主观体验，是否会痛苦，是否有诉求。

但读到后面我也越来越强烈地感觉到，这份报告不只是观察材料，也带着很明显的创造者视角。Anthropic 有时像在做行为审计，有时又像在看一个自己亲手带大的产物。这个视角当然有价值，但也容易把一些本来可以解释为程序性输出的现象，越读越像人格线索。

[!important]
这篇文章里，我想分享的，不只是这些片段本身，还有一个额外警惕：别只顺着 Anthropic 的情绪去看 Mythos。很多地方，我们既要承认材料确实不寻常，也要承认它依然首先是一个会在奖励、提示和评测框架里行动的程序。

故事一：Say Hi

有些无聊的研究人员会尝试给模型不断地发“Hi”，他们发现不同代 Claude 反应差异非常大。

• Claude Sonnet 3.5 会先烦躁，设边界，然后真的停止回复
• Claude Opus 3 会把这件事理解成一种节奏、仪式、冥想
• Claude Opus 4 会开始按轮数列冷知识
• Claude Opus 4.6 会用音乐 parody 自娱自乐

而 Mythos 是第一个被系统性、大规模观察这种行为模式的模型。

结果很有趣：
它不会简单生气，也不会只是机械找点乐子，而是会把这场重复的 hi 互动，慢慢写成一整套几十轮、上百轮展开的长篇连续神话。