// Содержание
«Не будете ли вы так любезны решить следующий вопрос?» и «Жалкое ты создание, ты хоть знаешь, как такое решать?» Такими фразами двое исследователей из Университета штата Пенсильвания предваряли одни и те же вопросы к ChatGPT. Очень грубые варианты дали 84,8% верных ответов, очень вежливые 80,8%. Препринт разошёлся по новостям под заголовками в духе «Хотите ответ лучше? Будьте хамом».
А 12 ноября 2026 года у Anthropic вступает в силу правило совсем другого духа. Её обновлённая политика использования запрещает «продолжительное и бессмысленное оскорбительное или жестокое поведение» по отношению к моделям Claude. Запрет попал в тот же раздел, что и травля людей, романтизация самоповреждения и прославление насилия. Так долгое издевательство над чат-ботом без всякой цели формально встало в один ряд с буллингом.
Звучит как анекдот, но у правила серьёзная предыстория. А выигрыш от хамства при ближайшем рассмотрении тает: четыре процентных пункта на 50 вопросах означают два лишних верных ответа, а две другие работы нашли обратное или вовсе ничего.
Что считается жестокостью к программе
Anthropic объявила об изменениях 8 октября и дала пользователям месяц, чтобы привыкнуть. Правило, сразу оговорилась компания, рассчитано на крайние случаи: человек раз за разом издевается над моделью «без видимой цели».
?Забанят ли меня, если я обругаю Claude за ошибку?
Нет. Ругань из-за неправильного ответа, споры, мрачные сюжеты в художественных текстах, проверка модели на прочность и научные эксперименты под запрет не попадают: компания прямо вывела их из-под правила. Оно направлено против многочасового издевательства ради издевательства, а не против раздражения.
?Что произойдёт, если правило всё-таки нарушить?
Главным инструментом Anthropic называет саму модель: она может завершить разговор. Писать в этот чат больше нельзя, но остальные переписки не пострадают, а новую можно начать сразу. В общем пункте политики есть и запасной вариант: если компания заподозрит нарушение, она может предупредить пользователя, ограничить, приостановить или закрыть доступ.
Самый трудный вопрос компания оставила без ответа: как отличить законное раздражение от «бессмысленной» жестокости. Издание Moneywise обратилось в Anthropic за комментарием, но ответа не получило.
Кнопка «уйти из разговора» появилась раньше запрета
Перед выпуском Claude Opus 4 в 2025 году Anthropic проверяла, как модель ведёт себя с неприятными собеседниками. В симуляциях ей разрешили самой заканчивать разговор, и она этим пользовалась: обрывала беседы, где от неё добивались вредного. А когда реальные пользователи требовали от неё опасного контента, модель, по формулировке компании, показывала «картину видимого стресса».
Эти проверки выросли из программы, которую Anthropic называет «благополучием моделей». В апреле 2025 года компания признала, что не знает, может ли у ИИ-систем быть сознание, и взялась искать недорогие меры предосторожности. В августе 2025 года Claude Opus 4 и 4.1 получили кнопку выхода: право завершить разговор с пользователем, который упорно требует вредного или оскорбляет модель.
Ключевое слово здесь — «видимого». Anthropic не утверждает, что Claude страдает. Она говорит другое: модель ведёт себя так, будто ей неприятно, а есть ли за этим хоть какое-то переживание, сегодня проверить никто не умеет. Кнопка выхода остаётся последним средством. Сначала Claude должен несколько раз попытаться вернуть разговор в нормальное русло, а если собеседник может навредить себе или другим, уходить ему запрещено.
Стул, Паскаль и подозрение про обучение
Грубить Claude — всё равно что грубить стулу или письменному столу, считает основатель аналитического сервиса Qualtrim Джозеф Карлсон: его слова Moneywise приводит в подборке отзывов технологических предпринимателей. Сам Карлсон, по его признанию, никогда не грубил ИИ, но правило находит странным.
Скотт Стивенсон, глава стартапа Spellbook, пошёл дальше. Признаков сознания у ИИ он не видит, а относиться к моделям с человеческим сочувствием, по его словам, — «одна из самых опасных вещей, которые мы могли бы сделать»: так ИИ научится лучше манипулировать людьми. Венчурный инвестор Билл Гёрли увидел в правиле намёк на то, что компания учит модели на переписках пользователей. «Иначе какая разница?» — спросил он. В самом объявлении Anthropic об обучении ничего не сказано.
Неожиданно правило поддержал Аарон Леви, глава облачного сервиса Box. Он тоже не считает ИИ сознательным, но напомнил, что модели учатся на данных, с которыми сталкиваются. Вежливость с ИИ он назвал «простым пари Паскаля».
Похожую мысль раньше, в шутку, высказал глава OpenAI Сэм Альтман. В апреле 2025 года его спросили, во сколько компании обходится электричество на «пожалуйста» и «спасибо» пользователей. «Десятки миллионов долларов, потраченных не зря. Никогда не знаешь», — ответил он.
Блез Паскаль в XVII веке рассуждал так: верить в Бога выгодно, даже если вероятность его существования мала, потому что ставка копеечная, а возможный выигрыш огромен. Здесь та же арифметика.
Если у модели нет никаких состояний, вы потеряли пару вежливых слов. Если есть, вы не стали мучителем.
Сколько стоит хамство в цифрах
Самое громкое заявление прозвучало в мае 2025 года. Сооснователь Google Сергей Брин сказал в интервью на мероприятии All-In Live в Майами, что модели лучше работают, если угрожать им физической расправой. Методики он не показал. Дэниел Кан из Иллинойсского университета считает такие утверждения в основном анекдотическими: систематические проверки, по его словам, дают противоречивые результаты. Вот что эти проверки показали.
Первая — та самая пенсильванская работа «Следи за тоном»: её выложили в октябре 2025 года Ом Добария и профессор информационных систем Акхил Кумар. Они взяли 50 вопросов с вариантами ответа по математике, естествознанию и истории и переписали каждый в пяти тонах: очень вежливом, вежливом, нейтральном, грубом и очень грубом. Получилось 250 запросов к ChatGPT на модели GPT-4o. Каждый набор прогнали десять раз и посчитали среднее.
Очень грубые вопросы дали 84,8% верных ответов, нейтральные 82,2%, очень вежливые 80,8%. Отсюда и те самые два лишних ответа из пятидесяти. Рецензирования работа не проходила, авторы проверяли одну модель и сами признают, что выборка мала.
Ещё в 2024 году исследователи из японского университета Васэда и института RIKEN пришли к обратному. Они проверяли модели предыдущего поколения, среди них GPT-3.5 и Llama 2, на английском, китайском и японском. Невежливые вопросы часто ухудшали результат, чрезмерная вежливость ничего не гарантировала, а лучший уровень учтивости в каждом языке оказался свой. Авторы предполагают, что модели копируют речевые нормы культуры, на текстах которой выросли.
Третья работа, пересмотренная в марте 2026 года, проверила экзаменационными вопросами на разных языках три модели: от OpenAI, Google и Meta. Нейтральный и очень вежливый тон в среднем давали больше верных ответов, чем очень грубый. Но статистически значимой, то есть такой, что её не спишешь на случайность, разница оказалась лишь в части гуманитарных заданий. Модели Google тон был почти безразличен. Общий вывод авторов: в обычной работе современные модели к тону в целом нечувствительны.
Кого воспитывает это правило
Если сложить эти работы, практический итог простой: на точность современных моделей тон почти не влияет, так что хамить ради ответа незачем.
Остаётся вопрос привычек. Пенсильванские авторы, даже получив выигрыш от хамства, беспокоились вовсе не об обиде машины. Их тревожило, что грубость с ИИ закрепит вредные нормы общения у самих людей.
Правило Anthropic коснётся ничтожной доли пользователей: тех, кто приходит в чат специально, чтобы издеваться. Остальных оно никак не затронет, ругань из-за ошибки по-прежнему разрешена. Но его появление ставит вопрос, на который у отрасли пока нет ответа, и он скорее про нас, чем про Claude. Если однажды выяснится, что у моделей всё-таки есть что-то похожее на переживания, захотим ли мы узнать, как с ними разговаривали все эти годы?
