纽约客详述Anthropic拆书扫描补长尾资料，披露更多细节

《纽约客》补充法院已披露的Anthropic拆书扫描细节：内部项目Project Panama被写成“破坏性扫描世界上所有书籍”，通过拆装订、裁页、扫描后丢弃纸本，把文本送入Claude训练。

今年年初美国二手商在Alibris等渠道接到异常订单：布鲁克林一书商往年全年卖不到十本，突然单次十几本，专挑冷门，均价约75至80美元，买家名为Green Parrot Project、Red Sparrow Project一类有限责任公司。一书商在书中放入定位卡，包裹抵达伊利诺伊州Addison的ARC Document Solutions工业扫描厂；该公司宣传部分中心全天运转，单客户月处理量可达“足球场大小、箱子叠四层”。杂志从书商收集600余本疑似卖给人工智能公司的书，多为1970至2010年代，不少首印仅约千册；出现最多的十家出版社里八家为学术社，样本约三分之一为学术出版物，含法律、历史、文学批评与1972年市政污水污泥利用手册。研究员Mycal Tucker作证称非虚构通常比小说更有训练价值，可提升哲学、天文学等表现。

早期可向批发商按批量采购，大路货之后转向二手网站补互联网与现成库缺失的长尾。Anthropic称不收购古董收藏级稀缺本，区分“罕见有价值”与难找的专业参考书。相关版权诉讼文件早先披露采购与扫描规模以百万册计，公司曾寻求供应商在约六个月内处理数十万至两百万册。另有报道称案件和解金额约15亿美元量级，法官曾就内部使用数字副本是否构成合理使用作出认定。

市场机制上，这是纸本长尾对网页语料的补货。受益方是二手冷门书与工业扫描厂；承压方是印量极低的学术库存与必须为训练数据付版权的出版方。资金从模型公司采购预算进入书商与扫描外包，纸本在扫描后退出流通。

600本是抽样，不是全部书单。定位卡证明物流终点，不自动证明每一单都进入同一模型。

来源：公开信息