真实 AI 用法数据长期锁在少数实验室里。Anthropic 8 月 26 日宣布，春季试点让三家外部机构通过隐私工具 Anthropic Insights（原 Clio）各自出题，分析约 25 万段 Claude.ai / Claude Code 对话（2026 年 4–5 月）。官方称这是首次有外部研究者在 AI 公司自有用量数据上发表公开独立研究；合同审查权只覆盖隐私、滥用规避细节、机密与准确性，其余结论即使“对 Anthropic 不便”也可发表。
[1]三组早期发现被写进同一篇说明。斯坦福 SALT：超过一半对话涉及把高利害任务交给 AI（影响他人或难撤销），尤其在法律/财务类专业指导；近四分之三对话里人仍定方向，通常改写而非原文照搬，摩擦往往推动把意图说清楚。牛津团队：Claude 的温暖/拒绝/古怪/帮助等行为，与用户正向、回推、智识投入、满足等状态共现，情绪模式类似日常上网。METR：用 Claude 估计“若无 AI 需多久”对比实际用时，初步显示更新模型节省更多时间，且估时与先前开发者研究相关。研究者从未接触原始对话，只看聚合类别与比例。
[1]这篇文的锋利处在制度，不在又一张仪表盘。外部研究过去要么吃实验室自己的叙事，要么吃偏休闲的公开语料；Insights 试图给第三条路：外部出题、内部跑隐私管道、外部独立写结论。代价也很实在：问题措辞敏感、不能像内部那样反复看原文迭代、WildChat 上好用的分类器搬到 Claude 流量会跑偏；滥用相关类别里，描述“如何绕过护栏”的簇被改写或删除（每项研究受影响类别/对话少于 5%）。作者判断：独立监督要的不是更多内部白皮书，而是可发表的外部问题权。
[1]对政策圈，试点证明“隐私聚合 + 外部提问”可行，但也暴露扩展瓶颈：慢、贵、难调试。对其他实验室，合同里的发表自由条款会成为对照标准——没有它，所谓独立研究只是客串审稿。对产品团队，SALT 的“高利害任务过半”直接打脸“用户只用 AI 写低风险草稿”的舒适假设。官方同时开放意向征集，说明他们想扩规模，却还没承诺吞吐。
[1]如果对齐评测是实验室对模型的考试，Insights 试点就是社会对实验室的抽检。抽检样本仍小、部分 METR/牛津文稿未完稿，但方向对：谁控制问题清单，谁就控制“AI 社会影响”叙事。收束：下一步比拼的是扩容时还能不能保住“可发表的不便”。
[1]