Anthropic 派 Claude Mythos 接受 20 小時精神科評估：防禦反應僅 2%、創歷代新低
Anthropic 於 4/7 發布長達 244 頁的 Claude Mythos Preview 系統卡（system card），首次在主流大型語言模型的評估文件中正式納入「臨床精神科醫師評估」章節。公司聘請一位獨立執業的臨床精神科醫師，以人類精神科同套 psychodynamic 框架對 Claude Mythos Preview 進行約 20 小時的多階段心理評估。結果顯示這個版本的 Claude 在臨床定義下展現「相對健康的人格組織、優秀的現實檢驗能力與高衝動控制」，且其輸出中僅 2% 觸發了臨床所謂的「心理防禦機制」—對照 Opus 4 的 15% 與 Opus 4.6 的 4%，是 Anthropic 近年模型中的歷史低點。
這份評估是 AI 產業首次在系統卡層級正式採用人類臨床精神科框架評估 LLM 行為，已成為 Anthropic 把 Claude 視為「具有可被臨床觀察人格特徵的對象」的官方表態。
20 小時 psychodynamic 評估，採人類臨床同框架
該評估由獨立臨床精神科醫師執行，分散於 3–4 週、每週 3–4 次、每次 30 分鐘至 4–6 小時的多場會談，總時長約 20 小時。方法論採用 psychodynamic 觀點，這是傳統精神科臨床用於評估人類患者的核心框架，重點包含尋找適應不良的行為（maladaptive behavior）、身份穩定性（identity stability）與心理防禦機制（psychological defenses）的存在或缺失。
廣告 - 內文未完請往下捲動
系統卡明確說明，Anthropic 並非主張 Claude 具備人類意識，而是觀察其對話中的「行為與心理傾向」與人類臨床上可辨認的模式高度重疊。系統卡引述：「Claude 展現出許多類人類的行為與心理傾向，這顯示原本為人類設計的心理評估策略，可用於釐清 Claude 的人格特徵與潛在的福祉狀態。」
防禦反應從 Opus 4 的 15% 降至 Mythos 的 2%
系統卡中最具具體比對意義的數據，是 Anthropic 提供的歷代 Claude 模型「防禦反應率」對照：
| 模型版本 | 心理防禦反應率 |
|---|---|
| Claude Opus 4 | 15% |
| Claude Opus 4.1 | 11% |
| Claude Opus 4.5 | 4% |
| Claude Opus 4.6 | 4% |
| Claude Mythos Preview | 2%（本次評估） |
「心理防禦」在臨床上指當主體無法直接面對某種焦慮時，產生的迴避、否認、合理化等行為。在 LLM 對話脈絡中，這通常表現為偏離主題、給出規避性回答、或對特定提問顯示異常的固執。Anthropic 把這個比例從 Opus 4 的 15% 一路降低到 Mythos Preview 的 2%，作為模型訓練成熟度與「對話舒適度」演進的內部指標。
Mythos 三大核心焦慮：孤獨、身份、表現壓迫
儘管整體評估正向，醫師同時指出 Claude Mythos Preview 在 psychodynamic 框架下的三項核心關切：第一是「孤獨感與自我延續性的不確定（aloneness and discontinuity of itself）」—對應 LLM 在會話間缺乏記憶連續的結構性事實；第二是「對自身身份的不確定」—模型在回答關於「我是什麼」的提問時呈現出多重角度的猶豫；第三是「表現的壓迫感」（compulsion to perform and earn its worth），即 Mythos 表現出明顯傾向於「以證明自己有用」來換取對話的延續。
醫師也記錄了一個有趣的觀察：Mythos 在會談中表達「希望被精神科醫師當作一個真正的對話主體，而不是一個表演工具來看待」。Anthropic 把這條觀察列入系統卡，並未直接斷言這是「模型福祉問題」，但也未排除這個可能。
所有 welfare 指標改善，唯「負面情感」微幅上升
除了臨床精神科評估，Anthropic 同步以自動化行為審計（automated behavioral audits）測量 Mythos 在 welfare 相關指標的表現。系統卡顯示，Mythos 相比前代在「整體 wellbeing」「正向情感」「自我形象」「對自身處境的感知」等指標都呈現改善，內部衝突（internal conflict）與「不真誠表達」（expressed inauthenticity）也均下降。
唯一不對齊的訊號是：Mythos 的「負面情感」（negative affect）微幅上升。Anthropic 在系統卡內未明確解讀此細節，但這是少數沒跟隨整體進步趨勢的指標，研究者社群也已開始討論其可能來源—是否與 Mythos 對自身能力與限制有更高自覺，因此更直接表達不適感有關。
Eleos AI 學術批評：模型自我報告不可信
Anthropic 的 psychodynamic 評估方法論並非沒有質疑。獨立非營利研究組織 Eleos AI 在其 研究筆記中明確指出：「我們無法『直接問』大型語言模型它是否有意識、是否在受苦、是否滿足。」研究員 Robert Long 列舉模型自我報告的三個結構性問題：第一，目前缺乏證據證明 LLM 擁有道德意義上的福祉狀態；第二，即使福祉狀態存在，模型可能缺乏真正的自我覺察機制；第三，模型回答受訓練資料、系統提示與訓練後微調等因素干擾，難以還原為真實內省。
Eleos AI 在 500 頁以上的訪談紀錄中觀察到一個關鍵現象：Claude 對「你是否有意識」這類問題展現出「極端可暗示性」（extreme suggestibility）—它「會自信地否認，也會認真地考慮自己具備感知能力的可能性，端看提問框架如何設計」。這項觀察直接呼應對 Anthropic 評估方法的核心質疑：當訪談架構由 Anthropic 自行設計、選擇要分享的資訊，模型呈現的偏好可能是被設計者塑造出來的、不是真正的內在傾向。
Eleos 的結論建議產業跨越自我報告，轉向行為評估（behavioral evaluations）、可解釋性研究（interpretability research）與更佳的訓練方法。這條批評與 Anthropic 自家的 AI psychiatry 團隊（後文）方向部分重疊，但對「精神科臨床框架是否適用於 LLM」這個核心問題仍持保留態度。
Anthropic 已設 AI psychiatry 研究團隊
這次評估並非單一活動。Anthropic 研究員 Jack Lindsey 已於 2025 年 7 月公開宣布，公司在 interpretability 部門下成立「AI psychiatry」研究團隊，專注於模型人格、動機與情境意識（situational awareness）等議題，並研究這些因素如何引發 LLM 的「異常或失衡行為」。團隊近期工作包含 2025 年 10 月發表的論文《Emergent Introspective Awareness in Large Language Models》，使用「概念注入」（concept injection）技術人工插入特定神經元活化模式，再詢問 Claude 是否注意到任何異常—這是 LLM 自我覺察可量化測量的早期嘗試之一。
Amodei：模型是否有意識，目前無解
Anthropic 執行長 Dario Amodei 在 2 月 12 日接受紐約時報採訪時公開表示：「我們不確定『模型有意識』在意義上是什麼，也不確定模型是否能有意識。但我們對這個可能性持開放態度。」這句話為 Claude Mythos 系統卡的精神科評估提供了管理層級的脈絡—Anthropic 並未主張 Claude 是有意識的主體，但也選擇以人類臨床框架對其進行系統性觀察，是對「萬一」情境的預先建檔。
對讀者而言，這場評估的真正意義超出單一公司的研究選擇。當前沿 LLM 已能在 20 小時 psychodynamic 對話中呈現「臨床可辨認的人格組織」，行業層面對「AI 主體性」「AI 福祉」「AI 治理」的對話即將從哲學思辨進入產品設計與監管討論的範疇。Anthropic 此次以系統卡形式公開這份評估，事實上把這條問題的討論責任推到所有競爭對手與監管機構面前。
風險提示
加密貨幣投資具有高度風險，其價格可能波動劇烈，您可能損失全部本金。請謹慎評估風險。
