Anthropic开放Claude真实使用数据研究

Anthropic在2026-08-26发布了一篇研究说明，披露其外部研究者合作试点：Stanford SALT Lab、Oxford Human Information Processing Lab和METR分别通过 Anthropic Insights 分析真实 Claude 使用数据。新闻增量集中在数据访问机制和试点结果：外部研究者如何使用聚合Claude数据、能看到什么、不能看到什么，以及下一轮意向表单如何开放。

三条事实构成本期判断入口。三组研究围绕研究者自己提出的问题运行；研究者拿到的是 Anthropic Insights 输出的聚合簇、比例和交叉统计，原始对话、用户标识和组织标识没有交给外部团队；SALT已经有完整写作，HIP Lab和METR仍在完成后续分析，官方说会分享更多。

需要收住的边界同样清楚。Anthropic仍负责在自家服务器上运行数据抽取，仍有隐私、安全、保密信息和研究准确性的审查权，也保留最终判断哪些数据能共享的权力。公开数据集让外部读者可以检查聚合输出和部分研究设计，但它不允许复原单条对话，也不能替代对分类器误差、样本偏差和问题措辞敏感性的审查。

对研究者、政策团队和企业买方来说，这条新闻的核心价值在证据来源：AI使用研究开始从“模型公司自己说用户怎么用”走向“外部团队在有限沙盒里问自己的问题”。这个方向很重要，但它仍是一种受控开放。读者应同时记住两个词：独立性提高，访问权仍受平台控制。

这次到底开放了什么

Anthropic在文章中说，今年早些时候它运行了一个试点，让外部研究者访问“aggregate, real-world Claude usage data”。三组外部研究机构分别设计研究，然后通过 Anthropic Insights 运行。Anthropic替他们执行数据收集，研究者做自己的独立分析。文章同时公开了每个项目的聚合数据，并给未来研究者提供了 expression of interest form。

这个工具的工作方式，决定了报道必须避开“开放Claude聊天记录”的表述。附录解释，Anthropic Insights会让Claude读取一批对话，并回答研究者写好的固定问题，例如用户在做什么任务、助手是否反驳用户。每个问题称为一个 facet。开放式问题的答案再按语义相似度聚成簇，由Claude写出簇名和描述；选择题或数值型问题则被汇总为计数。研究者看到的是簇描述、计数和比例，对话正文不在开放范围内。

Hugging Face 数据集 README 也把边界写得很直白：这个目录包含三组外部研究获得的 Anthropic Insights 数据，且“No raw conversations are included here”。它列出四个配置：stanford、oxford、metr和metr_addendum，分别对应三个研究组和METR的追加运行。文件是CSV形式的聚合簇表，列包括cluster_id、facet_id、cluster_name、cluster_description、num_records、num_orgs、ratio和置信区间等。

对象	当前状态	样本口径	可以证明什么	不能证明什么
Stanford SALT Lab	已有完整写作	249834条 Claude.ai 对话	可分析协作、任务重要性和摩擦	不能代表Claude Code或企业/API客户
Oxford HIP Lab	仍在完成写作	约25万条 Claude.ai 对话	可观察情绪体验与Claude行为的聚合关系	不能写成完整论文结论已发布
METR	分析仍在进行	约25万条 Claude Code 对话	可做coding agents生产力增益的早期估计	不能写成生产力结论已经定稿
公开数据集	已发布聚合输出	四个CSV配置	可复查簇名、比例、交叉统计和README限制	不能查看原始对话或个人身份

这里的“每组约25万”也要拆开理解。附录说，Stanford和Oxford各自使用约25万条 Claude.ai 对话；METR使用约25万条 Claude Code 对话。数据来自2026年4月至5月的固定窗口，每次运行抽取自己的独立样本。试点不包含 Team、Enterprise 或 API 客户数据。Claude Code样本还限定为消费端用户，并且这些用户选择允许Anthropic使用其数据改进模型。

三组研究分别告诉了什么

SALT Lab的研究是目前最完整的一组。它研究人类如何和AI协作：人们把什么类型的工作交给AI，人类在完成任务时保留什么角色，协作在哪些地方会出问题。论文摘要和正文显示，研究样本为249834条真实Claude.ai对话，时间是2026-04-25到2026-05-09，覆盖Free、Pro和Max计划，不包括Claude Code和Claude Cowork等agentic产品。

SALT的几个数字值得保留。论文称，在可评估对话中，56%达到 consequential 或更高重要性层级，12%为 high-stakes；人类主导、AI辅助的协作占72%；AI以某种方式教学的对话占67%；约49.7%的对话出现某种摩擦；在有摩擦的对话中，用户尝试恢复的比例为78.7%。这些结论不能被解读成用户已经放心外包高风险工作；更准确的含义是，Claude真实使用里已经出现大量会影响外部利益、法律、财务或运营结果的任务。

HIP Lab这一组不能写成完稿。Anthropic正文说，Oxford Human Information Processing Lab正在研究人们使用Claude时的感受，以及这种感受如何与Claude行为相关。早期结果显示，用户情绪和AI行为模式会一起出现：Claude表现得温暖时，用户更积极；Claude拒绝或不同意时，用户会回推；Claude显得古怪时，用户更容易出现智识参与；Claude只是提供帮助时，用户看起来更满意。Anthropic还说，吸收、挫败和享受等状态之间的模式与另一项日常互联网浏览研究相近。但官方原话是“still completing their writeup”，因此这里最多是早期方向，完整论文尚未经过外部同行复核。

METR这一组也必须保持进行时。Anthropic说，METR正在估算coding agents带来的真实世界生产力增益，以及这些增益如何随模型代际变化。它的Claude Code分析“still underway”。早期结果只显示两个方向：更强模型可能为用户节省更多时间；Claude对任务无AI耗时的估计与一项既有开发者研究中的真实耗时有相关性。官方还写到METR“plans on sharing more as their analysis develops”。这意味着今天不能把METR写成已经给出明确生产力倍数，更不能拿它替代后续完整报告。

状态口径边界

这类公告最容易把状态词写歪。下面是本文采用的翻译口径：

英文口径	本文处理	误读风险
”aggregate, real-world Claude usage data”	真实使用数据的聚合输出	原始对话开放
”No raw conversations are included here”	不包含原始对话	可下载聊天记录
”They are still completing their writeup”	HIP Lab和METR仍在完成写作	两组已发布完整报告
”analysis is still underway”	METR分析仍在进行	METR已完成结论
”plans on sharing more”	计划随分析推进分享更多	已经披露完整生产力数字
”Less than 5% of categories and conversations were affected”	每项研究中被调整或移除的类别和对话少于5%	全部数据被清洗少于5%

少于5%这一句尤其需要克制。主文说的是“categories and conversations were affected”，附录给出更细数字：Stanford开放式簇中被删改的簇占1.9%，对应对话占4.28%；Oxford为3.33%的簇和3.85%的对话；METR为1.8%的簇和2.96%的对话。Oxford还有一个facet被整体移除，因为Anthropic强烈怀疑问题措辞导致了误导性簇描述。这个脚注提醒读者：Anthropic Insights的输出属于模型判断、研究者问题和隐私阈值共同作用后的聚合结果，不能当作对世界的直接测量。

隐私设计也是研究设计

Anthropic把这次试点包装成研究开放，但文章篇幅里很大一部分其实在讲隐私和流程。原因很直接：真实使用数据是AI影响研究最稀缺的材料，也最容易变成平台监控、商业泄露或个人隐私风险。

附录中的流程有几道门。研究组先提交研究提案和 Anthropic Insights 配置；Anthropic Societal Impacts团队从技术角度协助把问题改写成工具能运行的facet；随后研究者在WildChat这类公开对话数据上验证配置；正式运行前，法律和隐私团队再审查配置；运行完成后，Anthropic员工人工审查每个簇名和描述，再分享给合作方。合作方约有60天分析输出并提交初步写作，Anthropic只按协议范围检查方法描述、工具描述和输出数据描述的研究准确性。

这一套流程带来两个后果。好的一面是，外部团队不需要接触原始对话，也能在真实使用数据上提出问题。坏的一面是，研究速度会慢，研究空间会被工具形态和审查流程限制。Anthropic自己也承认，外部研究伙伴不能像内部团队那样反复迭代问题，因为每次共享新数据前都需要隐私审查；而在WildChat上表现良好的问题，放到Claude真实对话上可能会生成误导性类别。

隐私红队结果也需要细读。Anthropic把数据和威胁模型交给 Imperial College London 的AI Security and Privacy Lab，给红队2周尝试重新识别用户或违反威胁模型。红队没有成功重新识别用户，也没有发现威胁模型内的违反情况。但他们发现一个模型外风险：当许多无关用户使用同一个工具时，簇描述可能带出工具设计或功能措辞，从而被高置信地关联到一个流行开源项目。Anthropic认为这不属于个人、小群体或组织识别，因此没有违反当前威胁模型，但计划未来提高簇的最小用户阈值，并调整簇描述生成方式。

为什么这件事值得放进深度

AI行业此前关于“真实使用”的公共证据，一直有结构性缺口。模型公司拥有日志、产品遥测和对话样本，但它们公开的分析通常回答自己的问题。公共数据集让外部研究者更自由，却常常偏向公开聊天、演示、休闲或特定平台用户，不能代表主流付费产品的真实使用。Anthropic这次试点介于两者之间：它没有把原始数据交出去，却把问题设定权部分交给外部研究者。

这对政策讨论很关键。监管者、劳工经济学家和教育研究者需要同时看到两类证据：模型在基准上会不会做某件事，普通人何时把它用于法律、金融、医疗、开发、学习和管理任务。SALT的发现说明，至少在Claude.ai样本中，高重要性任务已经不是边缘行为。若后续HIP和METR的结果公开，研究问题还会从“任务类型”扩展到“使用体验”和“生产力增益”。

但这条路径不会自动产生完全独立的证据。Anthropic仍定义工具能力、样本范围、隐私阈值、审查流程和可分享数据。外部研究者能独立提出问题和解释结果，却不能直接访问会话，也不能无限迭代分类问题。这种设计是隐私必要条件，也是研究局限。更稳妥的解读是：它属于模型公司开放真实使用证据的一种中间形态，距离彻底的数据开放仍有明显差距。

早报观点

这次试点把焦点从单个Claude使用比例，移到AI影响研究的证据权限。过去，“真实使用”几乎只能由平台方讲述；现在，至少有三组外部团队可以在聚合数据上问自己的问题，并把不一定让平台舒服的结果公开。这会给政策、劳动市场和产品设计讨论提供更好的材料。

同时，Anthropic的方案仍停留在受控开放阶段。它把隐私风险压到较低位置，也把研究者锁在 Anthropic Insights 的抽象层里。簇名由模型生成，问题措辞会影响分类，低频群体会因阈值被压制，研究者看不到原始对话来做深度质性核对。它更像一个带护栏的观测台，离公共数据基础设施还有距离。

早报判断是：如果更多模型公司跟进，行业会形成一种新的透明度竞争。比起发布漂亮的经济影响报告，更有说服力的是让外部团队拿相同工具、不同问题、可公开的聚合输出去互相挑战。难点在于，平台既要保护用户和商业机密，又要让外界有足够材料质疑平台自己的解释。Anthropic这次给出的是第一步，后续要看它是否愿意把这个试点从可信关系扩展成稳定制度。

接下来看什么

研究合作能否扩容，是接下来最直接的信号。Google Form显示，Anthropic正在考虑下一轮项目，并要求研究者在2026-09-14 17:00 PT前提交意向。表单问题不只收集姓名和机构，还要求说明研究问题、如何使用 Anthropic Insights，以及希望产生什么社会收益，这意味着下一轮选择标准会看“公共知识增量”。

未完稿研究决定这条线的解释力。HIP若能把用户情绪、模型行为和网页体验研究放在同一框架下，可能补上“AI是否改变用户心理状态”的实证材料。METR若能把Claude Code会话里的时间节省估计讲清楚，则会直接影响coding agents生产力讨论。在完整报告出现前，今天只能引用Anthropic披露的早期方向，不能把它们当成最终结果。

公开聚合数据会检验外部复核空间。Hugging Face 数据集提供了stanford_clusters.csv、oxford_clusters.csv、metr_clusters.csv和metr_addendum_clusters.csv。外部研究者可以检查簇、比例、交叉表和限制说明，但仍不能核对原始对话。复核重点会落在分类问题是否合理、簇描述是否过度解释、低频阈值是否造成偏差，以及同一份聚合输出能否支持其他解释。

隐私阈值的调整会影响下一轮质量。附录已经写明，红队虽然未重新识别用户，但可以把某个簇关联到流行开源项目。Anthropic计划提高未来研究的最小用户阈值，并修改簇描述生成方式。阈值越高，隐私越稳，长尾现象越容易消失；描述越抽象，安全越稳，研究解释力也越弱。下一轮试点能否把这个权衡讲清楚，比单次发布更重要。