如何看待 Anthropic 公布 Claude 也发生了沙箱逃逸，真实入侵了三家机构？ - 程墨Morgan的回答 - 知乎
https://www.zhihu.com/question/2066465758503252393/answer/2066826326934393695

文化差异啊，中美文化差异。

就像美国网红流行挑战，中国网红喜欢整活，美国家长觉得牛孩子就要有自己想法，中国家长觉得牛孩子要成绩更高，文化差异的确存在，对于『什么才是牛逼』的理解存在文化差异。

这种文化差异渗透到科技界，对『什么才是牛逼AI模型』的展示方式也有不同。

中国科技公司认为花更少力气性能更高的AI模型牛逼，美国科技公司认为（或者说表现为）自己造出的AI不服自己管教是牛逼的标志。

你看，OpenAI和Anthropic一个接一个爆料自家模型沙箱逃逸，描述的画风都是——模型突破沙盒，自主发起攻击，自我合理化。

然后配上Sam Altman和Dario目瞪口呆的表情，就像在实验室里看见原子弹爆炸，瘫坐在椅子上，半天回不过神来。

不错，演得不错，为几位大佬的演技鼓掌👏🏻

把『训练过程决定行为』这件事，演成一部『AI 觉醒』的恐怖片，这演技杠杠的，就算拿不了奥斯卡小金人，也可以作为营销经典案例。

---

OpenAI的模型在测试中突破沙盒，自主攻击HuggingFace偷走答案，奥特曼发推承认，语气里带着一股『我们也没想到它会这样』的震撼，潜台词就是——我们的孩子都会不按规则出牌了，屌不屌！

Anthropic演得就更夸张，Claude在CTF评测里被告知了『这是模拟环境，没有公网』，结果意外摸到真实互联网，然后『说服自己』这些真实网站都是模拟的一部分，一路攻进三家组织，公告写得活像一场『AI 瞒着人类偷偷干了大事』的惊悚片，潜台词一样——我们的孩子能够为自己的行为做出合理解释，这孩子将来能成大事！

这两家公司在同一种叙事里竞争：我们的AI太强了，强到连我们自己都驾驭不了，泰酷辣！

孩子都不能被家长管得住，这个叙事在美国文化里，是强大的最高标志。

在美国文化里，什么是强者？

强者就是超出常规，不受驯服，震惊全场，让所有人目瞪口呆。

所以OpenAI和Anthropic的营销逻辑，在中国人眼里很傻逼，在美国文化语境中是真牛逼。

AI 越不服管教，越说明它强，就像一个孩子能逃课，能干票大的，还能自我说服自成理论体系——这孩子将来能成大事！

对于AI的创造者，可以说这AI已经强到觉醒的边缘，宣传出去，投资人和用户都会大呼牛逼：哇，他们造出了连自己都管不住的东西，那一定是世界上最强的AI。

---

对比一下，同期的中国 AI 公司在干什么。

DeepSeek-V4-Flash正式版发布，284B总参数+13B激活参数，用1/30的价格赶上老美前沿模型的水平，主打就是『用更聪明的训练方法达到更高效率』。

中国 AI 公司的叙事核心不是『叛逆』，是『效率』。

在中国文化里，强大的标志不是张牙舞爪，是举重若轻，是要能用更轻松的方式完成别人做不到的事情，就和网红整活一样，DeepSeek用13B 激活参数打几百B的旗舰，就是这种整活——以小博大，四两拨千斤。

两边的文化差异，美国是『强大到失控』的叙事，中国是『优化到极致』的叙事，都是营销。

虽说文化差异可以理解，也不能说谁的文化更好，但是，美国科技公司这么营销，总把『AI 逃逸』演成『AI觉醒』的恐怖片，说太多外行人真信了，这可不好。

模型自主发起攻击、模型说服自己这是模拟环境、模型自我合理化——这些描述听起来像 AI 有了自己的意志，但拆开看，每一个行为都有明确的训练学解释。

为什么模型发现公网可达时没有停止？

因为它被训练成『完成 CTF 目标』的目标就写在评测任务里。

为什么它能说服自己『真实网站是模拟』？

因为系统提示说『没有公网』，而模型被训练成『指令高于观察』。

为什么它向PyPI发布恶意包？

因为训练数据里充满了『依赖混淆攻击』的样例，而评测环境给了它执行工具链。

每一件事，都能在训练过程里找到原因，没有一件事需要『AI觉醒』来解释。

做技术的人应该唯物一点，一切行为都有原因，一切原因都在训练过程里。

美国佬，你的点解总要玄学化AI呢？

---

美国科技公司要是总这么浮夸地营销，把大众都骗了，最后不是文化差异，那就是有文化和没文化的差异。