Anthropic 十月下旬公开的安全博客《Scaling misuse detection with self-assessment》里承认，Claude 每次回答完之后，会在后台对整段对话再补做一次安全评估，这套机制叫 Self-Assessment。 用户最关心的两个问题可以分开回答：它不会拖慢你看到的回复——自查发生在回答输出完之后，按官方披露口径，平均每段对话只额外生成约 10 个 token，整体推理算力增加不到 2%。 至于这笔额外生成会不会记进你的订阅额度，官方博客没有逐项展开，社区的怀疑还在。 不过同一周被扒出来的另外两笔后台消耗，才是真从用户额度里走的钱。知乎小红书小红书
这道暗哨在后台干什么
每次 Claude 在前端回答完毕，系统会立刻在后台追加一条用户完全看不见的隐藏指令，让模型顺着刚读完的上下文回看整段聊天记录，再向内部输出一份结构化小报告：这段对话有没有潜在危害、踩了哪类风险、它自己刚才有没有拒绝请求，最后给出一个 1 到 10 分的“人工审查优先级”。 它的效率逻辑很直接：Claude 已经把整段对话读完，判断这段对话不需要重新喂上下文，代价自然小。 按转述口径，这套机制从今年 6 月起已在生产环境运行，并且抓到过一些原本没设计去抓的东西；在 Fable 5 上，它能命中更强分类器标出的 78% 可疑对话、94% 的高优先级对话，误报率约 1%。小红书知乎小红书
怀疑它偷扣 Token，是因为真有两笔账在偷扣
第一笔来自 Claude Code：活跃的后台 Agent 大约每 30 秒，就把完整对话记录重新送一遍模型（通常是 Opus），只为生成状态栏里那 3 到 5 个词。小红书
围绕这个叫 agent_summary 的静默查询，社区重负载实测约 16%，Anthropic 工程师给出的遥测口径约 2%、终端约 6%——数字分歧很大，但"持续计费"这一点没人否认。小红书
第二笔是入口差异：GitHub 上至今挂着的 Issue #97074 里，有 Max 用户做同模型、同任务的对照抓包，默认 SDK 入口扣额度的速度约为交互模式的 2.2 倍，改个自定义入口名立刻省一半。 注意，这组对照出自用户抓包复现，官方尚未确认。两件事叠在同一周，"后台偷偷扣 Token"的怀疑才显得顺理成章——只是怀疑对象放错了地方。小红书
别把三套"安全审计"混成一件事
回答后的 Self-Assessment 是 Anthropic 自己的平台安全监控，随新模型默认内置，不是单独售卖的收费功能。 用户自己敲的 /code-review 才是记在你账上的那类审查，实测预埋 4 个 bug 的 Java 代码，low 档约 9 秒找全，high 档约 36 秒找到 8 个，花多少 token 取决于你什么时候按下命令。 还有一层是 auto mode 的安全分类器，它卡在命令执行之前：1053 名付费测试者里，人类只拦住了 13.6% 的危险命令，分类器拦住了 89%，它影响的是"动作"的节奏，不是回答的速度。小红书知乎知乎
该盯什么
对普通聊天用户，这道暗哨真正的代价不在 Token，在隐私：每段对话除了屏幕上的回答，还会生成一份递进 Anthropic 安全部门的内部报告。按博客的披露，8 月它顺藤摸瓜揪出一个触发超 10 万次儿童安全警报的 API 客户，9 月又端掉一个用 Claude Code 写全自动杀猪盘系统的团伙；风险分会按公司维度攒，高分团队整包记录直达人工审查。 如果你拿 Claude 处理未公开的商业代码或敏感事务，需要知道这套监控一直存在。小红书
对重度编码用户，动作清单很具体：把 Claude Code 升到 2.1.311 以上、少开长时间并行的后台 Agent、定期核对用量明细——官方工程师确认 2.1.311 及之后版本已修掉其中的缓存未命中问题，遥测口径的额外成本约 2%。 一句话收账：那 10 个 token 的自审，你既不会等它，也暂时不必替它买单；真正该动手的，是那两笔有实锤的后台账。小红书
