Anthropic 的“超级鸡”问题：AI 模型与用户体验的博弈

世界上最聪明的实验室如何意外发错了货

我让 Anthropic 最强大的公共模型来编辑一篇关于 Anthropic 的文章。它根本没机会。我附上了这篇草稿，并敲了七个无害的词：“重写，让文章更出彩。格式调整为 Twitter 风格。” 应用自动将任务从 Fable 5 切换到了 Opus 4.8。它的解释很简单：“Fable 的安全机制标记了此消息。”

准确地说，这不是普通的速率限制。Fable 没有回答并拒绝。Anthropic 的安全机制在所选模型能够响应之前截获了请求，并将其路由到另一个模型。Anthropic 已经解释过，这正是系统的工作原理：当 Fable 的分类器阻止某个请求时，该请求会被发送到 Opus 4.8。该公司还承认，它有意扩大了分类器的安全裕度，知道这会导致更多对良性工作的误报。（Anthropic）

我不知道安全机制为何触发，我也不是说 Anthropic 审查了批评。可验证且足够奇怪的事实是，一个常规的编辑请求被一个安全机制拦截了，而该机制自己的警告就提到了在合法编程、网络安全和生物学工作中的误报。这几乎是一个完美得可笑的开场白，用来写一篇关于那个团队——那个制造了被许多人认为是地球上最聪明 AI 系统的团队——的文章。

这篇文章探讨的是，当一个系统如此专注于其各个独立部分的性能，以至于忽略了整个系统存在的目标时，会发生什么。 模型可以是聪明的，安全机制可以完全按设计运行，定价策略对创造它的人来说也完全合理。但用户的工作仍然可能无法完成。

证据 A：

我让 Fable 5 编辑这篇文章。Anthropic 的安全机制标记了该请求，并将其切换到了 Opus 4.8。

鸡与蛋

1982 年，普渡大学遗传学家 William Muir 开始了一项关于蛋鸡的奇特育种实验。Muir 想知道，如果生产力是在群体层面而非个体层面进行选择，会发生什么。他不只从单只产量最高的个体鸡（纯粹的个体产出衡量标准）中育种，而是将有血缘关系的母鸡饲养在一起，并根据它们的集体表现来选择整个家族群体。笼子，而不是孤立的鸡，成为了选择单位。（PubMed）

Margaret Heffernan 后来将 Muir 的技术育种计划变成了著名的“超级鸡”故事。对于管理者来说，她的故事成了一个不祥的警告：雇佣最强最聪明的人并不总能产生最好的产出。在她的叙述中，一群鸡被允许保持普通鸡群——不允许超级鸡存在。第二组则反复从产量最高的个体鸡中繁殖；她称它们为“全明星鸡”。（Purdue Alumnus）

结果非常戏剧化。经过六代，Muir 的群体选择鸡群的年死亡率从 68% 下降到 8.8%。在同一时期，每只母鸡的产蛋量从 91 个增加到 237 个——是原始产出的 2.6 倍。在后来以 12 只为一组进行的直接对比中，为个体表现而培育的商业品系在 58 周龄时死亡率高达 89%。Muir 的群体选择品系死亡率仅为 20%，而未选择的对照组死亡率为 54%。在相同的群体环境中，群体选择鸡群在每只母鸡产蛋量、蛋重和每日每只母鸡产蛋量方面均优于商业全明星鸡群。（PubMed）

与此同时，超级鸡群变得羽毛凌乱、疲惫不堪。在使这个故事出名的实验版本中，九只全明星鸡中有六只已经死亡，剩下的三只被啄得光秃秃的。这个鸡群，几乎可以说是自相残杀至死。（Purdue Alumnus）

教训从来不是平庸胜过天才。真正的教训是，你的产出将反映你所奖励的东西。如果你只选择个人表现，你可能会无意中建立一个更弱的团队，因为让一个个体占据主导地位的特征可能会降低周围每个人的生产力。如果你根据个体对群体的贡献来选择他们，那么在个人排名中消失的品质——兼容性、克制、可靠性和合作——会突然变得可见。

一只鸡真正的贡献不仅仅在于它能挤出多少蛋。它还包括它的存在允许——或阻止——其他鸡生产什么。Muir 并没有为了和谐而放弃生产力。他发现，在一个社会系统中，和谐本身就是生产力的一部分。真正的绩效单位从来不是鸡。而是鸡舍。

我在经营自己的建筑公司时也学到了这个来之不易的教训。多年来，在我们这个特定的行业里，找到可靠的帮手非常困难，以至于一个全明星感觉就像救星。但那些看起来像全明星的人，往往伴随着隐藏的代价：额外的例外、额外的管理、受损的士气，以及团队其他成员必须吸收的摩擦。

最终，我不再只问“这个人在手艺上有多好？”，而是开始问“当这个人加入团队时，其他人的工作会怎样？”看起来最强的人，并不总是能让公司变得更强的人。一个技术精湛的工匠，如果拖慢了所有相关工种的速度，占用了工头的注意力，或者赶走了可靠的人，那么他可能单独看起来很出色，但实际成本却很高。一个更安静的工人，如果能让整个团队更可靠，那么他贡献的价值可能远超个人产出所显示的。

超级鸡舍

Anthropic 确实聚集了一群异常聪明的鸡。2025 年 SignalFire 的一份分析，基于公开的就业数据，估计工程师从 OpenAI 跳槽到 Anthropic 的可能性是反向流动的 8 倍，从 DeepMind 跳槽到 Anthropic 的可能性更是接近 11 倍。它还估计，80% 在至少两年前入职的 Anthropic 员工在第二年底仍留在公司，而 DeepMind 和 OpenAI 的这一比例分别为 78% 和 67%。（SignalFire）

这些数字描述的不是一家在吸引或留住人才方面挣扎的公司。它们描述的是一个吸引全明星的磁铁。

这并不意味着 Anthropic 的员工在互相啄食。那将是一个廉价的类比，而这些人才数据也不能证明这一点。更重要的危险更加微妙。当一家公司可以可信地指出其拥有杰出的研究人员、异常高的留任率和前沿领先的模型时，就很容易将各个部分的卓越性视为整个系统运作良好的证明。

Muir 的实验表明，这种推论是不可信的。危险不在于卓越本身。危险在于低了一个层级来衡量绩效。

模型不是产品

AI 行业是围绕着超级鸡建立起来的：著名研究员、基准领先的模型、巨额薪酬包，以及充满溢美之词的发布页面。在实验室内部，等级制度显而易见。在实验室之外，我们只看到鸡蛋。

硅谷有一个明显的盲点：你的团队可以非常出色，但你构建的产品可能仍然令人沮丧、难以接近或不可靠。

日常用户不会根据模型背后的才华横溢的鸡群或基准测试来评判它。我们只有模型、应用、安全机制、使用限制、定价、客户支持。

两家公司，相隔 74 分钟

7 月 17 日，Anthropic 对 Fable 的巨大需求做出了妥协。从 7 月 20 日开始，Max 和 Team Premium 订阅用户将在其计划中获得 Fable 的使用权，但使用限制减半。Pro 和 Team Standard 用户将继续通过使用额度来访问该模型，并将获得一次性的 100 美元额度。

https://x.com/claudeai/status/2078302415804379218

74 分钟后，OpenAI 的 Thibault Sottiaux 宣布，所有付费的 Codex 和 ChatGPT Work 用户的使用限制已被重置。

这些在经济上并非相同的提议。Anthropic 正在为一个计算量异常密集的模型制定一项持续访问政策，而 OpenAI 则是在一个艰难的产品发布后给予临时重置。这个细节很重要。尽管如此，两者在产品姿态上的对比仍然难以忽视。

https://x.com/thsottiaux/status/2078320950488297917

OpenAI 并非处于完美状态。它最近在自家桌面版和 ChatGPT Work 的发布中也搞砸了一些事情，Sottiaux 公开承认公司“没有把所有事情都做对”。用户遇到了令人困惑的高计算设置、不透明的使用成本，以及一个打乱了熟悉工作流程的重新设计。OpenAI 的回应是更改默认设置、承诺修复界面，并反复重置使用量，以便客户能够继续工作。

一个组织在合理化稀缺性。

另一个在制造善意。

OpenAI 并非一群平庸的鸡。它也拥有大量杰出人才，并且自身也犯过严重的文化和产品错误。此刻有意义的不同之处，既不在模型智能上，也不在鸡舍里。而是当压力来临时，系统似乎在奖励什么。

OpenAI 目前最好的产品姿态是极其平凡。它从用户的任务开始：这个人想完成什么？是什么阻止他们完成？摩擦在哪里？我们如何能尽快消除它？重置并不证明 OpenAI 已经解决了产品文化，但它向用户展示了一种本能：吸收自身错误的部分成本，而不是让用户承担全部。

Anthropic 的产品姿态则常常传达出不同的信息：我们创造了非凡的智能，我们的主要责任是决定你能安全地访问其中多少。这可能是一种连贯的机构姿态，但并非以客户为中心。金蛋令人印象深刻，但如果鸡舍不让你去收集，它们就无法养活家人。

一家公司越来越围绕用户的任务来组织自己。另一家仍然围绕着系统性风险来组织自己。两家公司都必须关心这两个问题，但它们首先问的问题塑造了它们最终构建的产品。这种差异不仅体现在使命宣言中。它体现在路由、限制、定价、沟通，以及当系统出现故障时修复信任的意愿上。