诉讼揭露 Anthropic 内部战略 | AI生成和翻译
Question: 关于 Bartz v. Anthropic 诉讼中泄露的关于 Anthropic 2025 年初 Product Vision 的邮件说了什么？
Answer:
在 Bartz v. Anthropic 案件中，并没有一份被广泛证实的“2025 年初泄露的 Product Vision 邮件”。人们通常指的是：
- 法院解密的内部规划文件（有时被误传为“邮件”）
- 法官命令中的陈述，描述了 Anthropic 的内部目标
- 随后关于 “Project Panama” 和“扫描所有书籍”战略的报道
这些内容并不是单一的泄露邮件，而是在诉讼过程中披露的 法律文件 + 内部文档。
“Bartz v. Anthropic” 实际披露的内容
诉讼声称 Anthropic 构建了一个包含数百万本书的中央图书馆来训练模型。法院文件将内部目标描述为创建 “世界上所有书籍” 的语料库。(Copyright Alliance)
披露的关键点：
1. 内部愿景：构建通用书籍语料库
法院文件称 Anthropic：
- 从盗版网站下载了数百万本书籍
- 通过切割装订并数字化的方式扫描购买的书籍
- 将它们存储在一个永久性的中央图书馆中
- 使用子集来训练 Claude 模型 (Loeb & Loeb LLP)
法官将该计划总结为：
收集一个包含“世界上所有书籍”的中央图书馆并“永远”保留 (Copyright Alliance)
这就是网上人们所指的 “Product Vision 泄露”。
2. “Project Panama”（后来解密的细节）
随后解密的文件描述了一项机密计划：
- 破坏性地扫描 数百万本实体书
- 拆除装订、扫描页面、丢弃原件
- 秘密构建训练语料库
- 内部说明：他们不希望被公众知晓 (Wikipedia)
这强化了人们对 Anthropic 早期产品策略的理解：
- 大规模数据获取先行
- 顶部构建 Safety-aligned 模型
- 专有数据集优势
3. 法律裁定澄清了架构
法院将 Anthropic 的 Workflow 分为：
- 构建中心化的书籍图书馆
- 从子集中训练 LLMs
训练本身被认为是 Transformative 的，但 创建盗版图书馆则不是。 (PatentNext)
人们如何解读其 “Product Vision”
从这些文件中，观察者推断出 Anthropic 在 2025 年初的愿景：
- 构建 最大的专有文本语料库
- 相比 Web Scraping 更倾向于 书籍（质量更高）
- 创建 永久性内部知识库
- 使用同一个语料库训练未来的多个模型
- 在 Data Quality + Safety 上竞争，而非仅仅是 Scale
这与以下路径不同：
- OpenAI → Web-scale + RLHF 迭代
- Google → Search/Web + Multimodal
- Meta → Open-source scaling
Anthropic → 高质量策划的书籍语料库 + Alignment
为什么这引起了争议
因为它暗示了：
- 大规模摄取受版权保护的书籍
- 使用了盗版图书馆（LibGen 等）
- 破坏性的扫描操作
- 对数据集创建过程的保密
这就是诉讼发生的原因，并最终导致了 15 亿美元的妥协补偿（Settlement）。 (Legal Blogs)
TL;DR (总结)
并不存在一份单一的“泄露邮件”。 “泄露”是指法院解密的内部文件，显示其：
- 目标：扫描/收集所有书籍
- 构建 永久性训练图书馆
- 从该语料库训练 Claude
- 保持数据集的专有性
这被公认为 Anthropic 的 2025 年初 Product Vision。
如果你需要，我还可以解释：
- 这与 OpenAI 策略的区别
- 为什么书籍是更好的训练数据
- 为什么 Anthropic 专注于“Library-first”设计