一句「zlibrary my beloved」之所以成為呈堂證供，不只是因為語氣刺眼，而是它可能把一場抽象的「AI 是否能學習著作」之爭，拉回更具體的問題：Anthropic 如何取得資料、內部是否知道來源涉及盜版，以及這些資料後來是否沿著模型、合成資料與安全機制繼續流動。
從書籍和解延燒到音樂出版
2026 年 8 月 28 日，Sony Music Publishing、Warner Chappell Music 及多家關係企業在加州北區聯邦法院起訴 Anthropic、執行長 Dario Amodei 與共同創辦人 Benjamin Mann，案號為 5:26-cv-09217。法院公開案件索引確認了原告、被告、起訴日期與著作權訴因：https://dockets.justia.com/docket/california/candce/5%3A2026cv09217/477477。
原告主張，Anthropic 透過 BitTorrent、網頁爬取及其他資料集取得歌詞與樂譜，並將相關內容用於 Claude 的開發及輸出；訴狀同時要求損害賠償、禁制令、銷毀侵權副本，以及交代訓練資料、處理方式與已知模型能力。完整訴狀可見：https://cdn.arstechnica.net/wp-content/uploads/2026/08/Sony-v-Anthropic-Complaint-8-28-26.pdf。必須強調，以上目前都是原告指控，並非法院已認定的事實。
事件的直接背景，是作家在 Bartz v. Anthropic 案中針對盜版書庫提出的集體訴訟。法院先前區分了不同用途：以作品訓練模型，在當時證據紀錄下被認定具有高度轉化性；但從 LibGen、PiLiMi 等來源下載逾七百萬本書並建立永久、通用的中央書庫，不能只因日後可能用於訓練就自動取得合理使用保護。2026 年核准的 15 億美元和解還要求 Anthropic 銷毀相關盜版原始檔及衍生副本，但保留訴訟證據保存例外。法院命令：https://law.justia.com/cases/federal/district-courts/california/candce/4:2024cv05417/434709/680/。
真正的爭點是資料鏈，而不只是一份訓練清單
Ars Technica 報導指出，目前訴狀援引先前解封的內部訊息：Mann 在 PiLiMi 鏡像出現時稱「正好趕上」，另一名員工回覆「zlibrary my beloved」。報導與 Anthropic 的回應全文脈絡可見：https://arstechnica.com/tech-policy/2026/08/zlibrary-my-beloved-anthropic-staff-chats-extolling-piracy-cited-in-sony-suit/。
這段對話可能支持「知情」或「故意」的論述，但不能單獨證明某首歌進入商用 Claude、被模型記憶，或造成實際市場損失。原告仍須把至少四個環節接起來：特定作品存在於取得的檔案中、檔案實際進入某個開發流程、該流程與商用模型具有可追蹤關係，以及輸出或未付授權費造成法律上可認定的損害。
本案較棘手之處，是「訓練」未必只有一次。訴方稱，曾接觸 LibGen 或 PiLiMi 的非商用模型，可能產生合成資料或提供強化回饋，再用於商用 Claude；相關資料也可能被用來測試輸出是否過度接近原文的防護機制。這是一項尚待證據開示驗證的主張，卻點出重要的工程現實：刪除原始檔，不必然等於模型供應鏈已與它完全脫鉤。
為何音樂案可能比書籍案更難收束
書籍案的判決紀錄中，作者並未提出 Claude 產出其作品原文或實質近似替代品的證據；音樂出版商則刻意補上這個缺口，指控 Claude 會輸出逐字或近似歌詞，甚至在使用者只詢問和弦時夾帶歌詞。是否「經常」發生、測試方式是否具代表性，以及防護措施能否有效阻止，都仍待雙方證據檢驗。
商業結構也不同。歌詞、樂譜及音樂作品原本就存在成熟的逐項授權與權利管理市場；一本歌本又可能收錄多首作品，使「下載一本書」與「涉及多少音樂著作」不是同一個計數單位。美國著作權局的生成式 AI 訓練報告指出，即使輸出不與特定作品實質近似，若大量生成內容在同類市場競爭，仍可能衝擊創作者市場；但報告也記錄了反方對過度擴張市場損害概念、抑制創新的疑慮。該報告是政策分析，不是法院判決：https://www.copyright.gov/ai/Copyright-and-Artificial-Intelligence-Part-3-Generative-AI-Training-Report-Pre-Publication-Version.pdf?_sc=NjQ1ODg2NiM4MDc5Ng%3D%3D。
實際影響：資料治理將從清單變成血緣追蹤
若法院准許原告取得廣泛的資料與模型開發紀錄，AI 業者的合規重點將不再只是保存「用了哪些資料集」的表格，而是證明每個版本的來源、授權狀態、清理流程、衍生資料、微調資料、模型間回饋，以及刪除命令是否一路傳遞。作者觀點是，本案最可能留下長期影響的未必是最終賠償額，而是法院願意要求多細的來源稽核與刪除證明。
不過，也不宜把訴狀直接解讀成音樂出版商已勝訴。Anthropic 主張生成式 AI 訓練屬轉化性合理使用，並稱新案重複既有指控；原告則必須面對作品權屬、實際使用、輸出近似性、因果關係與損害計算等問題。Bartz 是聯邦地方法院在特定紀錄上的裁定，也不能概括所有媒介、模型或取得方式。
對台灣讀者與業者的意義
美國判決不會直接決定台灣著作權法如何適用，但台灣的 AI 開發商、雲端服務商、音樂平台及內容授權商若進入美國市場，仍可能受到資料來源聲明、契約保證、賠償責任及下架或刪除要求影響。對華語詞曲權利人而言，單靠事後搜尋模型答案並不足夠；較實際的準備包括維持完整權利鏈與作品識別資料、保存授權紀錄、建立可重現的輸出測試，並區分「模型模仿一般風格」與「重現可識別表達」兩類證據。
後續觀察指標
- 法院是否把取得盜版副本、建立中央書庫、訓練、合成資料與模型輸出視為可分開判斷的使用行為。
- 原告能否證明具名音樂作品實際進入商用模型或其上游模型，而不只是存在於大型書庫目錄。
- 內部訊息是否足以支持故意侵權，以及個別創辦人的責任能否成立。
- 法院如何處理歌詞輸出、授權市場與大量同類 AI 作品所造成的市場替代論。
- 先前和解的銷毀義務，能否涵蓋衍生資料、評測資料、合成資料及模型間回饋。
- 法院是否命令 Anthropic 提供可供權利人查核的資料帳冊與宣誓刪除報告。
這場訴訟真正追問的，不只是 Claude 是否「讀過」某首歌，而是當資料在多代模型與多種用途間轉手後，企業是否仍能說明它從哪裡來、如何被使用，以及何時才算真正刪除。這將是 AI 著作權爭議從原則辯論走向工程問責的重要測試。