Anthropic解封创始人账号 上周封禁OpenClaw系误会
上周，Anthropic刚宣布对OpenClaw采取限制措施，这周，事情就发展到了一个新阶段——连OpenClaw项目的核心人物Peter Steinberger的个人账户也遭到了封禁。这场风波究竟会如何演变？
今天一早，OpenClaw创始人Peter Steinberger在社交平台X上发文确认：“是的，各位，未来要确保OpenClaw继续与Anthropic的模型兼容，恐怕会变得更加困难。”文字间透露出些许无奈。随文附上的，是一封来自Anthropic安全团队的邮件截图，通知其个人Claude账户因“可疑”活动已被暂停。
邮件的全文如下：
你好，
我们对与你的账户相关的可疑信号进行了内部调查，结果表明你违反了我们的使用政策。因此，我们已撤销你对Claude的访问权限。
如果你希望申诉，请填写此表单，或在此了解更多关于申诉流程的信息。
此致
Anthropic安全保障团队（Safeguards Team）
不过，这次封禁并未持续太久。大约两小时后，Peter Steinberger再次更新状态：“我的账号被恢复了，谢谢大家！”
账号虽然解封，但事件引发的讨论却持续发酵。帖子下的评论迅速分化，各种猜测和质疑声不断。
首先引发争议的，是Anthropic此举的合理性。起初有观点认为，封禁或许是因为Peter Steinberger确实违反了平台规则。有网友评论道：“是因为你违反了服务条款、以不被允许的方式使用API，才触发了他们的保护机制？如果真是这样，那封禁就是他们的职责所在。按照条款，有些账户本就不允许通过第三方工具接入服务。”
对此，Peter Steinberger的回应很明确：“这是通过API key，并使用最新的Claude CLI进行的一手调用。”言下之意，自己的使用方式完全合规。
随后，又有网友追问细节：“这次被封的是API账号吗？”得到的回答是：“哦，他们两边都封了。”这意味着他的普通账户和API访问权限同时被暂停。
根据Peter Steinberger的说法，自上周Anthropic发布新规后，他一直在严格遵守，不仅使用最新的API模式，还向账户预存了资金，从一个“薅羊毛的开发者”转变成了“真金白银的付费客户”。即便如此，封禁依然发生，导致他“连测试都没法做了”。
当然，另一个绕不开的问题是：既然Peter Steinberger目前已在Anthropic的竞争对手OpenAI任职，为何还在使用Anthropic的产品？主要用途是什么？
Peter Steinberger对此的解释是，这一切都是为了保障OpenClaw的跨模型兼容性。“我们一直在运行端到端测试，确保对Harness的改动不会在主流模型上出问题。这基本上就是我们使用key的全部用途。”
他进一步澄清，这两份工作并不冲突。“需要把两件事区分开：我在OpenClaw Foundation的工作，是希望让OpenClaw能很好地兼容所有模型和提供商；而我在OpenAI的工作，是帮助他们制定未来的产品战略。”
甚至有网友感慨，如果当初选择不同，局面或许不会如此。“你本可以选择，但你跑错了……”对此，Peter Steinberger的回复相当犀利：“他们一个欢迎我，一个发法律函……”未言明的潜台词似乎是：这就是我选择OpenAI的原因。
随着讨论热度攀升，Anthropic的一位工程师Thariq Shihipar也加入了对话。他表示：“我们并没有因为使用OpenClaw而封禁任何人。这很可能是触发了另一个有点过于敏感的滥用检测分类器。我会给你发私信，我们一起看看情况，帮你解除封禁。”
无论是否是这位工程师的介入起了作用，总之，在封禁大约两小时后，Peter Steinberger的账户得以恢复。事件本身看似告一段落，但不可否认，双方之间的裂痕似乎又加深了一层。
许多网友倾向于认为此次封禁并非单纯的误会，而是有意为之。从Peter Steinberger的视角来看，这揭示了一个残酷的现实：在大模型时代，开源软件的“生命线”在很大程度上仍然掌握在模型厂商手中。无论是上周的“封杀”还是这次的“封禁”，厂商似乎随时可以通过修改服务条款等方式来施加影响。
相关攻略
近日，Reddit上一则热帖引发了广泛关注。游戏开发商Beamable的首席执行官Jon Radoff，利用一个周末的时间，借助AI助手Claude，成功复活了自己19岁时开发的一款名为《未来往昔传奇》（Legends of Future Past）的MUD（多用户地下城）游戏。这款诞生于1992年
上周，Anthropic刚宣布对OpenClaw采取限制措施，这周，事情就发展到了一个新阶段——连OpenClaw项目的核心人物Peter Steinberger的个人账户也遭到了封禁。这场风波究竟会如何演变？ 今天一早，OpenClaw创始人Peter Steinberger在社交平台X上发文确认
最近，大模型推理领域出现了一个挺有意思的新思路。来自哈尔滨工业大学（深圳）、深圳河套学院和Independent Researcher的研究团队，提出了一种名为LRT（Latent Reasoning Tuning，隐式思考模型）的方法。它试图解决一个越来越明显的痛点：那些“慢思考”模型动辄生成数千
Model Context Protocol（MCP）是一套开源的标准化协议，其核心目标是简化AI模型与外部数据源、工具及各类软件系统的集成过程。你可以将其理解为“AI时代的通用连接标准”——类似于USB协议，但它连接的不是物理硬件，而是大语言模型与丰富的功能工具。 表面上看，MCP为AI应用开发带
在图像分类、目标检测和语义分割等核心计算机视觉任务中，Transformer凭借其强大的全局特征建模能力，已成为主流技术架构。然而，其自注意力机制存在的二次计算复杂度问题，严重阻碍了其在手机、平板等移动设备上的高效部署。如何在资源受限的端侧设备上实现视觉Transformer的轻量化，同时保持其关键
热门专题
热门推荐
近日，国家能源局联合发改委、工信部、国家数据局正式印发《关于促进人工智能与能源双向赋能的行动方案》。这份重磅文件的核心思路非常清晰：一方面，以坚实的能源基础支撑人工智能（AI）的快速发展；另一方面，利用AI技术赋能能源行业转型升级。其核心目标是推动能源、算力、应用场景、数据与算法模型五大关键要素深度
在挑选文生视频工具时，若您正在智谱清影与Runway Gen-3之间权衡，那么了解两者在生成效果上的具体差异，将有助于您做出更明智的选择。本文将从画质清晰度、细节纹理、运动自然度与视频连贯性等核心维度，通过实测对比为您详细解析。 一、画质与分辨率表现 首先对比硬性指标。智谱清影基于CogVideoX
想用通义万相生成一张科技感十足的数据可视化背景，但出来的画面总觉得少了点“内味儿”？数字界面、粒子流、电路纹理这些关键元素一个不见，画面平平无奇？这通常不是工具的问题，而是提示词没有精准锚定科技可视化的核心要素，或者模型参数没调到最佳状态。别急，下面这几种方法，能帮你把想法精准地“翻译”成画面。 一
想要在Vidu生成的视频中实现流畅的慢动作或快进效果？虽然模型界面没有提供直接调整播放速度的滑块，但通过巧妙的提示词设计、利用内置功能，或结合后期处理工具，你完全可以精准掌控视频的节奏与时间感。本文将为你详细解析四种实用方法，从生成前到生成后，全方位满足你的创作需求。 一、通过精准提示词引导运动节奏
当您使用海螺AI生成的英文论文在提交查重时遭遇高重复率或AIGC检测异常，请不要急于归咎于工具本身。核心原因在于，尽管AI生成的文本格式标准、语法地道，但其语言模式和常见短语组合，并未针对知网、维普、万方等中文查重数据库的语义比对逻辑进行专门优化。换言之，机器认为流畅自然的表达，在查重系统的算法看来