10月30日，Anthropic公开了一项已经在线上跑了四个多月、却没有事先告知用户的机制：Claude每回答完一轮，系统会跟在后面追加一句用户看不见的简短指令，让它对整段对话做一次安全评估，被打标的对话会写明涉及哪类危害、Claude有没有拒绝、人工审查的紧急程度（1到10分）和一句理由。先回答标题里的问题：被这条隐藏评估标记，不会直接换来封号。Anthropic说评估只是“需要进一步审查的信号”，单条标记不作数。 但用户很难因此放下戒备：今年官方封号量翻了近八倍、申诉成功率只有10.6%，这句“不会直接封号”后面还挂着一串问号。新浪微博
这套自查机制做的事是事后打分，不是当场拦截
这项机制的正式名字叫“自我评估”（self-assessment），从6月Fable 5上线起在线上运行，此后发布的每个Claude模型都带着它，已覆盖Claude全球流量的很大一部分。与传统安全分类器不同，它靠模型自己判断这段对话有没有违反使用政策的风险，模型越强，判断越准。 对正常使用来说，它是安静的：没问题的对话只留下一句“未标记”，当场拦截仍由其他安全分类器负责。 评估结果不会展示在聊天界面，也不会进入后续对话的上下文。知乎新浪微博小红书
用户最关心的成本与隐私，Anthropic给的说法是：自查主要消耗自己服务器的算力，复用KV缓存后平均只多写约10个token，推理算力增幅不到2%、不向客户收费；它不额外收集用户数据，只在按现行政策本来就能留存的流量上运行，签了零数据保留协议的对话目前不跑这套评估。新浪微博
效果上，在把误报控制到约1%的前提下，它能标出78%的潜在有害对话，最严重的一类能抓到94%。 更值得注意的反而是另一面：约三分之一的标记对不上Anthropic现有的危害分类，聚类之后指向三类此前防线没专门覆盖的行为——违规蒸馏、提示词注入，以及Claude作为智能体执行了用户没授权的操作。 这也解释了为什么披露一出，中文社区的第一反应是“这是反蒸馏的又一层网”。小红书新浪微博
评估之外还有一条真正会咬人的封号线
从官方描述的处置链路看，封号排在“标记→汇总→人工复核”之后：9月，自我评估标记出一个用Claude Code搭建并运营自动化恋爱诈骗的团伙，受害者有几十人，相关账号是在人工复查之后被封的。 让国内用户紧张的却是另一条更早生效、也更不透明的账号风控线：2026年10月初，一波账号受限反馈集中出现，不少连续使用数月、甚至买了Pro或Max订阅的用户，突然收到提示账号存在“可疑信号”的暂停通知。 这条线和这次公开的内容评估是两套系统，坊间却常把二者混成一谈——也包括7月那场Claude Code被逆向者指称在请求文本里藏入地区识别信号的风波：社区可以复现解码过程，但Anthropic从未确认，它同样不能拿来给这次的“自我评估”背书。新浪微博知乎知乎
封号线收紧的力度，Anthropic自己在数据里摊开了：其7月发布的透明度报告显示，2026年上半年封禁了1140万个Claude账号，上一统计周期还只有约145万个，半年翻了将近八倍；同期约39.8万次申诉中只有4.2万次成功，成功率10.6%。 报告没有区分这1140万里有多少是滥用账号、多少是普通用户，官方也未公开封号风控的误判率。门槛还在加码：2026年4月起，部分账户被要求提交护照、驾照等政府签发证件完成身份核验。知乎知乎
在行为红线一侧，10月13日的反蒸馏技术文章给出了明确的快速通道：对持续尝试提取模型推理内容的账号，Anthropic可能限制其使用额度，甚至直接封号，部分账号在开始相关活动不到两小时后就遭到封禁。 至于那篇文章里被反复转引的“误报率低于0.1%”，说的是请求层面筛查提取行为的分类器，和账号封禁风控并不是同一套系统——它证明不了封号判定有多准，也换算不出1140万里有多少本不该封的账号。知乎知乎
所以，该盯住的不是那条隐藏分数
把两条线拼起来，对标题的问题可以做分层回答：被隐藏安全评估标记，按官方口径不会自动封号——标记要经过组织级汇总和人工复核才可能走到处置；真正决定账号命运的，是使用资格与环境风控，出口IP、支付来源、是否触发身份核验，以及有没有踩中蒸馏这类被点名围剿的行为，而这整套算法Anthropic从未公开。这套打分本身也并非密不透风：Anthropic承认专门冲着自我评估下手的攻击者很可能绕得过去，红队测试里拿它做实时拦截，攻击成功率也只从79%降到54%。 用户真正可操作的只有三件事：收到暂停先分清处置等级，临时暂停的申诉空间较大，走官方通道如实说明用途和完整时间线即可；把关键工作流和单一账号分开，代码、文档、对话记录多存一份本地副本；对一切声称保证不封、能算出误伤比例的技巧保持警惕。 截至发稿，“单条标记不会直接封号”仍是Anthropic的公告口径而非可审计的承诺——在官方公开标记与封号如何联动之前，这份说明值得每个用户读完，但还不值得完全相信。新浪微博知乎
