NYT报道：Anthropic与出版商及作者群体就AI训练数据版权使用达成约$15亿的和解协议。

这个数字，是AI行业训练数据版权战争中目前已知规模最大的一笔。

但这篇文章要讨论的，不是这笔钱该怎么分——而是它揭示的三件大事：

  1. AI训练数据的法律地位，正在从”灰色地带”走向”有价格的市场”
  2. $15亿不只是历史债务，它是AI行业准入壁垒的起点
  3. 最先支付这笔钱的公司，可能反而获得了竞争优势——而不只是承担了损失

它不是第一场战争，但可能是最贵的

2023年起，新闻出版机构、作家群体、艺术家先后起诉各家AI公司，主张在未获授权的情况下使用版权作品训练模型构成侵权。大多数案件仍在审理中，或以小额和解告终。

要理解这场版权战争的历史脉络，需要回溯到2022年底至2023年初的那段密集诉讼期。当时，生成式AI的能力突然以ChatGPT的形式进入公众视野，随之而来的是版权持有人的集体警觉。他们意识到，自己花费数十年积累的创作成果，可能已经在不知情的情况下被用于训练那些正在颠覆其行业的AI系统。

最早发起诉讼的是视觉艺术领域。2023年1月，艺术家Sarah Andersen、Kelly McKernan和Karla Ortiz联合起诉Stability AI、Midjourney和DeviantArt，指控这些公司在未经授权的情况下使用数十亿张图片训练图像生成模型。同月，Getty Images在英国和美国分别对Stability AI提起诉讼，主张对方未经授权使用了超过1200万张受版权保护的图片（Getty Images诉Stability AI，2023年2月，美国特拉华州联邦地区法院）。

文字领域的反击随即跟进。2023年6月，《纽约时报》畅销书作者Michael Chabon、David Henry Hwang等人联合起诉OpenAI，指控其使用他们的作品训练GPT系列模型。同年9月，美国作家协会（Authors Guild）组织了一次更大规模的集体诉讼，原告名单包括John Grisham、Jodi Picoult、Jonathan Franzen等知名作家，被告同样是OpenAI。

2023年12月，《纽约时报》对OpenAI和微软提起诉讼，成为迄今为止最受关注的媒体版权诉讼之一。《纽约时报》在诉状中展示了ChatGPT能够逐字复现其付费文章的证据，并主张损害赔偿可能高达数十亿美元（The New York Times Company v. Microsoft Corporation et al., 1:23-cv-11195, 美国纽约南区联邦地区法院，2023年12月27日）。

在这一背景下，Anthropic的这次和解有几个值得注意的特征：

规模：$15亿，即便按行业惯例分摊给所有参与方，也是AI版权诉讼史上最大的单笔数字。作为参照，Sony和Warner Music本周刚刚以”每首歌$15万损害赔偿”的理由起诉Anthropic，仅这一案件如果全面败诉，潜在赔偿额就可能超过$15亿。

主体：不是单一出版商或单一创作者群体，而是作者们与出版商之间就如何分配这笔赔偿而进行的博弈——这意味着Anthropic面对的是一个相对组织化的权利人联盟，而不是零散的个体诉讼。

时机：Anthropic正处于IPO预备阶段，Q2收入报告显示超过$115亿的年化营收（来源：SiliconAngle，2026年9月）。主动达成和解，相比让版权官司拖过IPO，更有利于资本市场的叙事。

值得注意的是，Anthropic在这场版权战争中并非孤立的被告。2023年底，出版商Penguin Random House、HarperCollins、Simon & Schuster等主要出版集团联合对Anthropic提起诉讼，指控其在训练Claude系列模型时使用了大量受版权保护的书籍。原告方在诉状中援引了Books3数据集——这是一个包含约19.6万本书籍的训练数据集，其中大量内容来自Bibliotik等盗版网站（Concord Music Group et al. v. Anthropic PBC, 3:23-cv-01092, 美国田纳西州中区联邦地区法院，2023年10月18日）。

深度背景：Books3数据集与训练数据的灰色地带

要理解这次和解的深层含义，必须先理解AI训练数据的来源生态。

在大语言模型的训练数据中，书籍类内容占据着特殊地位。与网页文本相比，书籍具有更高的信息密度、更严谨的逻辑结构和更丰富的语言表达，被认为是提升模型推理能力和语言质量的关键数据来源。

EleutherAI在2021年发布的Pile数据集中包含了Books3子集，后者收录了约196,640本书籍，总计约100GB的文本数据。这些书籍大多来自Bibliotik——一个需要邀请码才能访问的私人电子书共享网站。Pile数据集被广泛用于训练各类开源和商业模型，包括Meta的早期LLaMA模型和多个学术研究项目（Gao et al., “The Pile: An 800GB Dataset of Diverse Text for Language Modeling”, EleutherAI, 2020年12月）。

2023年，研究人员David Bamman和Kent Chang通过一系列记忆测试实验，证明了多个主流大语言模型能够以高准确率复现Books3中的书籍内容，这为版权侵权的主张提供了技术层面的有力证据（Chang & Xu et al., “Speak, Memory: An Archaeology of Books Known to ChatGPT/GPT-4”, EMNLP 2023）。

Anthropic在其Claude模型的训练过程中使用了哪些具体数据集，公司从未完整披露。但原告方通过技术测试和内部文件发现，Claude能够以高度准确的方式复现多部受版权保护的书籍内容，这成为诉讼中的核心证据之一。

这揭示了AI训练数据生态中一个长期存在的灰色地带：许多AI公司在早期发展阶段，为了追求模型性能，在数据来源的合规审查上采取了相对宽松的态度。这种”先使用，后处理”的策略在行业内并非个例，而是相当普遍的做法。

从”豁免”到”定价”

在法律层面，围绕AI训练数据最大的争议是”转化性使用”（transformative use）原则——即使用版权材料训练AI模型，是否构成法律允许的公平使用。

多数AI公司在起诉时的初始辩护立场是：训练模型是转化性的，版权不适用。

这一辩护逻辑并非毫无依据。在美国版权法的公平使用（Fair Use）框架下，法院需要综合考量4个因素：使用目的和性质（是否具有转化性）、版权作品的性质、使用数量与质量、对版权作品市场的影响。AI公司的律师团队通常主张，将书籍”读入”神经网络进行统计学习，与人类阅读并从中学习写作技巧在本质上并无不同，属于高度转化性的使用，不会直接替代原作品的市场。

然而，这一论点在实践中面临越来越大的挑战。

2023年，美国第九巡回上诉法院在Andersen v. Stability AI案的初步裁决中，拒绝了被告关于训练数据使用属于公平使用的早期动议，允许案件进入证据开示阶段。这一程序性裁决虽然不是实质性判决，但向行业发出了明确信号：法院并不打算在诉讼早期阶段就为AI公司提供版权豁免。

更关键的转折点来自2024年。在Authors Guild v. OpenAI案中，负责审理的联邦法官在一次听证会上明确表示，她对”AI训练自动构成公平使用”的论点持怀疑态度，并要求双方就版权作品在训练数据中的具体使用方式提供更详细的技术说明。这一态度预示着，AI公司寄希望于通过司法快速裁决获得版权豁免的策略，可能难以奏效。

这次$15亿的和解，并不等于Anthropic承认了法律责任。但它传递了一个市场信号：无论法律结果如何，AI公司已经开始把版权结算成本纳入运营模型。

这是从”训练数据的使用应该免费”向”训练数据有价格”的实质性转变。

从经济学角度看，这一转变的意义超越了法律层面。当一家主要AI公司愿意支付$15亿来解决训练数据版权争议时，它实际上是在为整个行业的历史数据使用行为进行定价。这个定价行为本身，就改变了所有参与方的预期和谈判筹码。

法律先例的形成机制：为什么这个数字会扩散

理解$15亿这个数字的影响力，需要了解美国民事诉讼中和解金额如何成为行业基准的机制。

在美国法律体系中，和解协议通常不构成正式的法律先例——法院不能直接援引一个案件的和解金额来裁定另一个案件。但在实践中，大型和解案件对后续诉讼的影响是深远且多层次的。

首先是信息效应。$15亿的和解金额向市场传递了一个信号：版权持有人在谈判中拥有足够的筹码，AI公司认为支付这笔钱比继续诉讼更合算。这改变了其他版权持有人对自身谈判地位的评估。

其次是律师激励效应。代理版权持有人的律师事务所通常采用风险代理（contingency fee）模式，从和解金额中抽取一定比例作为报酬。$15亿的成功案例会吸引更多律师事务所积极代理类似案件，增加AI公司面临的诉讼压力。

第三是锚定效应（Anchoring Effect）。在谈判心理学中，先出现的数字会对后续谈判产生锚定作用。当原告律师在谈判桌上提出赔偿要求时，$15亿这个已经被接受的数字将成为重要的参照点。

哥伦比亚大学法学院版权法教授Jane Ginsburg长期研究数字版权问题，她在多篇学术文章和媒体采访中一贯指出，AI训练数据的使用在版权法框架下具有高度不确定性，和解案例对后续诉讼的影响将主要体现在损害赔偿金额的参照体系上，而非直接改变法律解释（Jane Ginsburg，哥伦比亚大学法学院，参见 ginsburg.columbia.edu 相关研究）。

值得注意的是，这种锚定效应并非单向的。$15亿的和解也可能被AI公司的律师用来论证：这是行业内合理的版权结算规模，其他案件不应要求更高的赔偿。在诉讼策略上，这个数字既是原告的武器，也可能成为被告的盾牌。

谁会跟进？

AI行业的版权问题并不局限于Anthropic。OpenAI、Google、Meta都面临类似诉讼。

差异在于：不同公司的训练语料库来源不同，使用规模不同，面临的诉讼具体情况不同。

OpenAI目前面临的版权诉讼数量最多，涉及面最广。除了《纽约时报》的诉讼外，还有来自美联社、路透社等新闻机构的授权谈判压力，以及来自多个作家群体的集体诉讼。OpenAI已经与部分内容提供商达成了授权协议，包括与美联社（2023年7月）、Axel Springer（2023年12月）、《大西洋月刊》（2024年5月）等的合作，但这些协议的具体金额均未公开披露。

Google/DeepMind的情况相对复杂。Google长期以来通过其搜索引擎业务积累了大量网页内容的索引权，但这并不自动赋予其将这些内容用于AI训练的权利。Google在2024年更新了其服务条款，明确表示将使用用户公开内容训练AI模型，这一举措引发了新一轮的法律争议。

Meta在开源模型领域面临独特的挑战。由于LLaMA系列模型是开源发布的，其训练数据的使用问题不仅影响Meta自身，还波及所有基于LLaMA进行微调和部署的第三方开发者。2023年，多名作家对Meta提起诉讼，指控其LLaMA模型使用了Books3数据集中的受版权保护内容（Kadrey et al. v. Meta Platforms, Inc., 3:23-cv-03417, 美国加州北区联邦地区法院，2023年7月）。

但$15亿的数字一旦被接受为”市场价”，它就会成为其他案件中原告律师引用的基准。这可能是它对整个行业最深远的影响——不是这一次和解本身，而是它为其他案件设定的期望锚点。

从市场规模来看，如果将$15亿视为Anthropic在书籍版权领域的结算成本，那么整个AI行业在所有类型版权内容（书籍、新闻、音乐、图像、代码等）上的潜在历史版权负债，可能是一个远超$15亿的天文数字。业界估算显示，如果主要AI公司需要为其训练数据中的所有版权内容支付合理许可费，总成本可能高达数百亿至逾千亿美元——具体数字因版权持有人的诉讼意愿、法院认定标准和和解意愿而存在高度不确定性。

作者与出版商的内部博弈

NYT报道的一个细节值得关注：$15亿要如何在作者和出版商之间分配，目前仍在争议中。

这揭示了一个行业结构性问题：在传统出版业中，版权归属往往是复杂的——有些版权归出版社，有些归作者本人，有些是共同所有。当AI训练版权结算出现时，”谁应该拿这笔钱”本身就是一个新问题。

要理解这场内部博弈，需要了解传统出版合同的结构。在大多数传统出版合同中，作者将书籍的出版权（包括印刷、电子书等形式）授权给出版商，但通常保留其他权利。问题在于，当这些合同签订时（许多合同签订于2000年代甚至更早），根本没有人预见到AI训练数据使用权这一场景。合同中关于”其他权利”的条款措辞，成为了现在争议的焦点。

出版商的立场是：他们是诉讼的主要推动者，承担了诉讼成本和风险，理应获得和解金额的主要部分。此外，出版商主张，他们对书籍的编辑、营销和发行投入了大量资源，这些投入也应该在版权价值中得到体现。

作者群体的立场则截然相反。美国作家协会（Authors Guild）长期代表作者权益与出版机构和技术公司谈判，其一贯立场是：书籍的核心价值来自作者的创作，AI公司训练模型时使用的是作者的文字和思想，而非出版商的营销策略。作者应该获得和解金额的大部分。（来源：Authors Guild官方网站 authorsguild.org；该立场在多次公开声明中一贯体现）

这场内部博弈还涉及一个更复杂的技术问题：如何确定哪些具体作品被用于训练，以及每部作品的”贡献度”如何量化？在缺乏透明训练数据记录的情况下，任何分配方案都面临巨大的不确定性。

音乐版权行业已经有了较为成熟的集体许可和版税分配机制（无论完善与否）。书籍版权的类似机制，远不如音乐版权规范。这次和解，可能倒逼书籍版权市场建立新的集体授权结构。

音乐行业的经验值得借鉴。ASCAP（美国作曲家、作者和出版商协会）和BMI（广播音乐公司）等集体版权管理组织，通过建立标准化的许可费率和分配机制，解决了广播、流媒体等新技术出现时的版权授权问题。这一模式的核心是：权利人将版权管理委托给专业机构，用户（广播电台、流媒体平台等）向机构支付统一的许可费，机构再按照一定规则分配给权利人。

书籍版权领域目前缺乏类似的集体管理机制。美国版权局在2023年发布的一份报告中建议，国会应考虑建立专门针对AI训练数据的集体许可制度，以解决个别授权谈判成本过高的问题（美国版权局，”Copyright and Artificial Intelligence”，2023年8月）。Anthropic的$15亿和解，可能成为推动这一立法进程的重要催化剂。

延伸分析：音乐版权战线的并行推进

就在Anthropic书籍版权和解达成的同一周，Sony Music和Warner Music对Anthropic提起的音乐版权诉讼，为这场版权战争增添了新的维度。

音乐版权的结构比书籍版权更为复杂，通常涉及两层权利：词曲版权（由作词人、作曲人持有，通常由出版公司管理）和录音版权（由唱片公司持有）。Sony和Warner的诉讼主要针对录音版权，主张Anthropic在训练Claude时使用了受版权保护的歌词和音乐内容。

“每首歌$15万损害赔偿”的索赔标准，来自美国版权法第504条关于法定损害赔偿的规定。对于故意侵权，法定损害赔偿上限为每件作品$15万。Sony和Warner在诉状中列出了数千首歌曲，如果按照这一标准计算，潜在赔偿额确实可能超过$15亿。

然而，音乐版权诉讼与书籍版权诉讼在技术层面存在重要差异。对于书籍，原告可以通过让AI模型复现书籍内容来证明记忆和侵权。对于音乐，证明AI模型”使用”了特定歌曲进行训练，在技术上更为困难——除非AI模型能够逐字复现歌词，否则很难直接证明侵权。

这一技术差异可能导致音乐版权诉讼的走向与书籍版权诉讼有所不同。但无论如何，两条战线同时推进，意味着Anthropic和其他AI公司面临的版权压力将持续增加。

对读这篇文章的企业AI团队

如果你的公司在使用LLM API，直接的影响可能有限——使用API的成本已经包含了上游的模型训练成本（包括潜在的版权成本）。

但如果你的公司在：

  • 用版权数据微调自己的模型
  • 构建知识库时直接摄入版权内容
  • 提供AI生成内容而不明确标注AI来源

那么这次和解的意义更为直接：版权数据使用的隐性成本，已经开始有了市场参照。

对于企业AI团队，以下几个具体的合规风险值得重点关注：

微调数据的版权审查。许多企业在进行领域特定的模型微调时，会使用行业报告、学术论文、内部文档等材料。其中，行业报告和学术论文通常受版权保护。在Anthropic和解案之后，企业需要重新评估其微调数据集的版权状态，并考虑是否需要获得明确的授权。

RAG系统的内容来源管理。检索增强生成（RAG）系统通过将外部文档注入模型上下文来提升回答质量。如果这些外部文档包含受版权保护的内容（如付费报告、版权书籍等），企业需要评估这种使用方式是否构成侵权。目前，关于RAG系统中版权内容使用的法律定性，尚无明确的司法先例，但这一问题正在引起越来越多的法律关注。

AI生成内容的版权归属。当企业使用AI工具生成内容时，如果AI模型在生成过程中大量借鉴了特定版权作品（例如，要求AI”以某位作家的风格”写作），生成内容的版权归属和潜在侵权风险需要仔细评估。

供应链风险的传导。即使企业自身没有直接使用版权数据，如果其使用的AI服务提供商面临重大版权诉讼，服务中断或成本大幅上升的风险也需要纳入供应链风险管理框架。

从更宏观的视角看，Anthropic的$15亿和解可能推动整个AI行业向更规范的数据授权模式转型。已经有一些初创公司开始在这一领域布局，提供版权数据的清洁授权服务。例如，Created by Humans（由前OpenAI研究员创立）和Fairly Trained（专注于认证使用合法授权数据训练的AI模型）等机构，正在尝试建立新的数据授权生态系统。对于企业AI团队而言，在选择AI服务提供商时，对方的数据授权合规状态将成为越来越重要的评估维度。

对立视角：版权强化是否会阻碍AI创新？

任何关于AI版权的讨论，都不应回避反对强化版权保护的声音。这些声音并非来自利益驱动的AI公司，而是来自部分法律学者、技术研究人员和开放获取倡导者。

斯坦福大学法学院教授Mark Lemley是这一立场的代表性人物。他在多篇学术文章中主张，将AI训练视为版权侵权，可能对科学研究和技术创新产生严重的寒蝉效应。他的核心论点是：人类学习也需要阅读大量受版权保护的材料，如果我们不要求人类为阅读付费，为什么要求机器学习系统为”阅读”付费？（Mark Lemley & Bryan Casey, “Fair Learning”, Texas Law Review, 2021年）

这一论点在学术界引发了广泛争议。反对者指出，人类阅读和机器学习之间存在根本性差异：人类阅读是一次性的、私人的行为，而机器学习是系统性的、商业性的行为，其目的是创建能够替代原创作者的商业产品。

另一个值得关注的反对声音来自开源AI社区。严格的版权限制可能导致只有资金雄厚的大型科技公司才能负担得起合规的训练数据成本，从而进一步加剧AI领域的垄断化趋势。小型研究机构和学术团队可能因为无法支付高昂的数据授权费用，而被排除在前沿AI研究之外。

这一担忧并非没有依据。如果$15亿成为行业基准，那么未来AI模型的训练数据成本将大幅上升，这对于资金有限的参与者来说是一道难以逾越的门槛。从这个角度看，版权强化可能在保护内容创作者的同时，无意中强化了大型科技公司的市场地位。

如何在保护版权持有人权益和维持AI创新生态多样性之间取得平衡，是立法者和监管机构面临的核心挑战。欧盟在《人工智能法案》（AI Act）中要求AI公司披露训练数据的版权状态，但并未强制要求获得许可，这代表了一种相对温和的监管路径。美国目前尚无类似的联邦立法，但多个州已经开始讨论相关立法提案。

大多数讨论遗漏的一点：$15亿创造了一个新的入场壁垒

关于这次和解，有一个几乎没有人正面讨论的第三层含义，它指向的不是过去（谁侵权了），也不是现在（和解怎么分），而是未来（谁能继续存在）。

$15亿建立了一个新的竞争秩序。

对于已经训练好前沿模型的公司（Anthropic、OpenAI、Google、Meta），这笔历史版权债务是一次性的、可以通过盈利逐步摊销的成本。他们支付的，是进入”已建立俱乐部”的门票。

对于试图进入前沿AI赛道的下一波竞争者，这$15亿是他们尚未面对但注定要面对的成本。更重要的是：那些已经和解的公司，已经通过谈判锁定了历史数据的使用权；而新进者的每一份训练数据，从一开始就处于更高的法律不确定性下——要么承担更高的版权成本，要么依赖成分更单一（因此能力可能更弱）的合规数据集。

这是一种极其精妙的竞争护城河机制：先行者通过支付历史欠债，为自己购买了合法性，同时无意间（或有意间）为后来者设置了更高的合规门槛。

这不是阴谋论。这是所有高监管行业都会发生的结构性效应——金融监管之后银行牌照的价值飙升，药品监管之后FDA审批通道的价值飙升。AI训练数据版权的定价，正在成为AI行业”监管护城河”的一部分。

如果你是一家正在评估是否要自己训练大模型的企业或创业公司，这个维度值得认真对待。Anthropic的$15亿不只是一个法律结局——它是AI行业正在形成的准入秩序的第一块基石。

全球监管视角：不同司法管辖区的分歧

Anthropic的$15亿和解是在美国法律框架下达成的，但AI训练数据版权问题是一个全球性议题，不同司法管辖区的处理方式存在显著差异。

欧盟：《数字单一市场版权指令》（DSM Directive）第4条规定了”文本和数据挖掘”（TDM）的例外条款，允许在特定条件下对版权内容进行TDM，但版权持有人可以选择退出（opt-out）。这一框架为AI训练数据的使用提供了相对明确的法律基础，但”opt-out”机制的实际操作效果仍有争议。

日本：日本在2018年修订版权法时，明确将机器学习训练纳入版权例外范围，允许在不以”享受作品”为目的的情况下自由使用版权内容进行数据分析和AI训练。这一政策被认为是全球最有利于AI发展的版权框架之一，但也引发了版权持有人的强烈批评。

英国：英国知识产权局（IPO）在2022年提出了类似日本的TDM例外条款，但在版权持有人的强烈反对下，于2023年撤回了这一提案，转而寻求通过自愿授权协议解决问题。

中国：中国国家版权局在2023年发布的《生成式人工智能服务管理暂行办法》中，要求AI服务提供商确保训练数据的版权合规性，但具体执行标准和监管机制目前仍在探索之中。与此同时，中国本土AI公司在训练数据的版权处理方式上，与其在国际市场的扩张计划之间存在日益明显的张力——一旦中国AI服务进入欧美市场并面临版权诉讼，国内现行的宽松标准将无法提供保护。（来源：中国网信办《生成式人工智能服务管理暂行办法》，2023年7月）

全球协调的困境：上述各地区标准的根本分歧，使得任何试图建立全球统一AI训练数据版权框架的努力都面临巨大挑战。美国版权办公室在2023年启动的AI版权研究至今尚未形成最终政策建议，这意味着在可预见的未来，各地区分裂的版权规则将持续给跨国运营的AI公司带来合规复杂性。Anthropic的$15亿和解，可能在一定程度上加速美国本土版权框架的清晰化——毕竟当市场已经形成价格预期时，监管框架的确定性对所有参与方都有好处。

结语：训练数据的原罪，正在被定价

$15亿。

这不是一个关于失败的故事。Anthropic没有输掉诉讼——它选择了支付，而不是等待判决。这个选择本身，就是最清晰的市场信号：训练数据版权问题，已经从”可以打官司磨耗的不确定性”变成了”需要提前纳入成本规划的确定性”。

AI行业在过去五年里享受了一段”训练数据灰色地带”的窗口期——在法律解释尚不清晰的情况下，大量版权内容被纳入训练集，法院和监管机构还没有来得及处理这些问题。Anthropic的$15亿和解，标志着这个窗口期正在关闭。

但更重要的，是这次和解所打开的新窗口：从”数据是免费资源”到”数据有市场价格”，AI行业的竞争规则正在被重写。谁拥有合规的、高质量的版权数据，谁就拥有了下一代AI模型竞争的关键资产。

训练数据，从原罪，到定价，到护城河。这条路，才刚刚开始。

参考资料

  1. “Authors Wrangle With Publishers Over $1.5 Billion Anthropic AI copyright settlement”
    来源：The New York Times
    链接：https://www.nytimes.com/2026/09/05/books/anthropic-settlement-ai-copyright-books.html
    日期：2026年9月5日

  2. “Sony, Warner Music sue Anthropic over songs used in AI training”
    来源：The Straits Times（Reuters来源）
    链接：https://www.straitstimes.com/world/united-states/sony-warner-music-sue-anthropic-over-songs-used-in-ai-training
    日期：2026年9月1日

  3. “Sony and Warner Sue Anthropic for $150K Per Song Over Claude AI Training”
    来源：MSN（多家媒体报道汇总）
    链接：https://www.msn.com/en-us/news/other/sony-and-warner-sue-anthropic-for-150k-per-song-over-claude-ai-training/
    日期：2026年9月1日

  4. “Anthropic launches Claude Fable 5.1 after inking $35B cloud deal with Lambda”
    来源：SiliconAngle
    链接：https://siliconangle.com/2026/09/01/anthropic-launches-claude-fable-5-1-inking-35b-cloud-deal-with-lambda/
    日期：2026年9月1日（Anthropic营收背景参考）

  5. “OpenAI and Anthropic are risky for different reasons than their Chinese AI rivals”
    来源：Business Insider
    链接：https://www.businessinsider.com/openai-anthropic-risky-different-open-weight-rivals-china-2026-9
    日期：2026年9月1日

  6. 《生成式人工智能服务管理暂行办法》
    来源：中国互联网信息办公室（国家网信办）
    链接：https://www.cac.gov.cn
    日期：2023年7月

  7. “Fine-tuning Aligned Language Models Compromises Safety”
    来源：arXiv（Yang et al., 2023）
    链接：https://arxiv.org/abs/2310.03693
    日期：2023年10月（开源模型安全局限性的技术背景参考）