半年封掉1,140萬個帳號、申訴成功率一成：Claude這本封號帳，算的是誰的風險成本

一組數字先看規模：2026年1月至6月，Anthropic累計封禁1,140萬個Claude帳號，月均近190萬個，日均超過6萬個。同期提交的申訴共39.8萬次，最終成功翻案的只有4.2萬次，成功率約10.5%。

這組數字出自Anthropic於2026年7月23日在其透明度中心更新的安全與信任報告，其中單列「封號帳號（Banned Accounts）」一欄。到了10月，隨著「Claude封號」討論在假期期間升溫至百萬級熱度，這份報告被重新翻出轉發，才再度成為焦點。本文以回顧角度檢視這份報告背後的成本結構。

封禁的執行面：一票否決的風控設計

Anthropic並未公布完整的封禁原因分布，但報告列出了幾類觸發情形。其一是極端違規內容：上半年向NCMEC等國際安全組織提交超過1.5萬起違規報告，偵測手段除傳統雜湊指紋比對外，還上線了自研的機器學習分類器。涉及違法濫用、侵犯隱私、惡意誘導、極端自殘類指令，系統多為觸發即永久封禁，無二次警告。其二是黑產帳號的批次清理，以及「受支持區域」的資格審查，後者正是大量用戶中箭的區段。

從成本結構看，這套設計的邏輯並不難理解。對平臺而言，人工覆核每一個封禁案件的人力成本，遠高於自動化一票否決的邊際成本。39.8萬次申訴對應4.2萬件翻案，意味著近九成申訴被駁回，其中不乏附上營業資質與工作證明的付費用戶。有開發者在GitHub記錄申訴歷程，也有團隊在社羣反映：十幾個專案、上萬行迭代記錄，帳號一封即無法存取，申訴只換回一封模板拒絕信，不附具體理由。

換句話說，風控的誤判成本被外部化給了用戶。平臺省下的是覆核人力，用戶承擔的是工作流歸零與資料滅失。

需求分層：誰被斷崖，誰只是換一家

同樣是封號，兩年前的用戶與今天的用戶承受的損失完全不同。當ChatGPT類工具只是閒聊與文案輔助時，換一家服務的轉換成本接近零。但2025年以來Agent工作流與程式開發深度綁定後，重度用戶的專案結構、微調過的系統提示、累積的迭代記錄都沉澱在單一平臺內。這與我們先前分析的開發者AI工具訂閱帳是同一條脈絡：當工具成為生產線，定價權與規則制定權都向平臺傾斜，額度、價格、封禁，任一變動都直接改寫用戶的成本表。

受衝擊最重的有三類：以Claude為核心的全棧開發者與其團隊、依賴其長文獻處理能力的科研人員與分析師，以及工作流已綁定API與專案結構的獨立開發者。相對承壓較輕的是輕量對話用戶，封號對他們近似換個入口的摩擦成本。

受益方則是競爭對手。每一次大規模封禁與申訴無門的輿論，都是OpenAI、Google等廠商的獲客窗口，也推高了可攜式工作流、本地部署與多平臺備援工具的需求。這與AI代理信任成本帳的觀察一致：當平臺端不可控風險上升，用戶會把預算轉向審計、備份與可觀測性工具，把單點依賴拆成多點。

傳導鏈與收束判斷

這本帳的傳導路徑可以拆成三段。第一段，平臺以低邊際成本的自動風控換取合規與安全風險下降，1.5萬起NCMEC報告是這套投入的產出指標。第二段，誤判與否覆核的成本落在高黏著付費用戶身上，申訴管道形同Google表單單進單出。第三段，用戶端開始重估單平臺依賴的風險溢價，備援帳號、跨平臺遷移與工作流抽象層的支出會上升，長期則壓縮單一廠商的定價空間。

值得注意的是，Anthropic同期更新了使用政策，明訂禁止辱罵與虐待式對待模型的條款，顯示平臺對「使用者行為」的管轄範圍仍在擴張。當規則持續加嚴、覆核資源卻未同步增加，10.5%的申訴成功率不會是終點數字，而是下一輪用戶遷移的起點參數。帳面上省下的覆核成本，最終會以用戶流失或備援支出的形式，出現在生態某處的報表裡。