【2026 最新】Claude 科學家 Team Plan 怎麼申請？10,000 席優惠、Claude Science 與研究資料隱私教學

2026 年 8 月 27 日，Anthropic 宣布把 Claude 科學家 Team Plan 先開給 10,000 名研究者。看到「Standard 免費一年、Premium 每月 15 美元」，你可能第一反應是趕快申請；但真正難的其實是：誰能申請、實驗室該選幾席，以及研究資料放進 Claude Science 後究竟留在哪裡。

這篇 Claude 科學家 Team Plan 教學專為 PI、研究助理、博士生與研究機構管理者寫。你不需要懂資安術語；我們會從資格驗證開始，建立一個低權限 workspace，再用公開論文資料走完 Python 分析、引用稽核、匯出與刪除驗收。

先記住本文的實作式：安全研究工作流＝資格驗證＋資料分級＋最小授權＋可重跑證據鏈。優惠只是入口；真正的成果，是讓下一位研究者知道資料從哪裡來、程式跑過什麼、哪些內容曾送到模型。

先說結論：Claude 科學家 Team Plan 先抓住 6 件事

• 這是有資格限制的 Team 促銷：截至 2026 年 8 月 29 日，通過驗證的 PI 或同等研究主持人可替 1～25 人實驗室申請；首批總量最多 10,000 席。
• Standard 與 Premium 都不是 API 點數：Standard 促銷價為每席每月 0 美元；Premium 為 15 美元並提供較高用量。API 與 extra usage 另外計費。
• Claude Science 是另一個產品層：它在研究者電腦執行 Python、R 與 shell，並保存本機 artifacts；送給 Claude 的 prompt 與回覆仍經 Anthropic 服務。
• 「預設不訓練」不等於「沒有紀錄」：商業方案預設不拿輸入輸出訓練模型，但模型呼叫仍依商業資料政策保留。
• Reviewer 是稽核助手，不是同行評審：它會對照 execution record 找問題，但不會重跑分析，也不替你判斷研究方法是否正確。
• 先用公開資料驗收：等匯出、刪除、權限與人員移除流程都跑過，再由機構決定哪些內部資料可以進場。

Claude 科學家 Team Plan 是什麼？三個方案別混在一起

Anthropic 的科學家支持公告同時提到三件事，名稱接近但用途不同。Team Plan for Scientists 是本篇主角，提供一年 Team 席次優惠；Claude Science 是可在桌面端執行研究工作流的 beta 產品；AI for Science 則是另一個個案審查管道，2026 年 8 月 27 日公告寫的是單一研究計畫可另申請最高 50,000 美元 credits。拿到 Team 席次不代表同時拿到 API 補助。

截至 2026 年 8 月 29 日，科學家方案官方頁面列出的促銷期是 12 個月：Standard 每席每月 0 美元，Premium 每席每月 15 美元；年繳分別為 0 與 180 美元，稅另計。頁面目前把一般價格標示為每月 20 與 100 美元，但促銷結束後依當時價格續訂，不應先把這兩個數字當成一年後保證價。Premium 的核心差異是約 5 倍使用量與更高的長任務上限，不是更寬鬆的資料規則。

Claude 科學家 Team Plan 申請資格怎麼判斷？

官方目前把申請人定義為受認可大學或非營利研究機構中的 PI 或同等研究主持人，領域包括自然科學、數學、電腦科學、工程與相近學科。營利公司、委託研究機構與企業研發團隊不在這次資格範圍。博士生或研究助理可以成為 workspace 成員，但應由符合資格的 PI／lab lead 提交申請。

每個實驗室可申請 1～25 席；超過 25 人要聯絡 Anthropic。申請時也要位於支援地區。最穩妥的做法不是先把全系所都填進去，而是先列出真的會在 90 天內使用的核心成員；官方方案頁與條款說，群組若 90 天沒有活動，可能失去促銷價格，包括轉回一般 Team 價格或停用方案，管理員會先收到 email。

Claude 科學家 Team Plan 怎麼申請？四步完成

第 1 步｜由 PI 準備可驗證的機構資料

先整理姓名、職稱、機構、研究領域、機構信箱、實驗室名稱與預計席次。職稱不一定非得寫 PI，但必須能證明你有等同研究主持人的角色。不要把尚未確定的人數當成免費配額一次填滿。

第 2 步｜在官方申請頁選 Standard 或 Premium

前往 Team Plan for Scientists 官方頁面，由 PI／lab lead 送出。只做文獻閱讀、摘要與小型分析，先選 Standard；經常跑長對話、多檔案研究或平行工作流，再替必要成員選 Premium。促銷期結束後若未取消，方案會依當時價格續訂。

第 3 步｜等待驗證，再建立最小成員名單

官方申請說明寫的是多數申請在 7 個工作天內完成審查；方案頁則寫 5～7 個工作天。收到核准信後才邀請成員。若你已是 Team owner，可從 Settings → Account → Program verifications 申請優惠價格。

第 4 步｜設三個行事曆提醒

記下核准日、最後一次有效使用日與促銷結束前 30 天。每月由 owner 檢查席次是否仍有人使用；第 11 個月重新決定要縮席、續訂或取消。這比等信用卡出現一般價格後才處理可靠。

先不要上傳資料：建立公開、內部、敏感三級分類

最容易犯的錯，是把「商業方案預設不拿資料訓練模型」理解成「任何研究資料都能放」。兩者不是同一件事。建立 workspace 的第一天，先替資料貼上三種標籤：

• 公開：已公開論文、開放資料集、公開程式碼與可重建的合成資料。這一級最適合做首次驗收。
• 內部：尚未投稿的草稿、未公開分析、內部會議筆記。只有研究團隊與機構政策都允許時才放入，並只授權需要的資料夾。
• 敏感：可識別受試者資料、受管制健康資料、未公開基因資料、合作方機密、出口管制內容、憑證與金鑰。Claude Science 官方管理文件明列 beta 不在 Anthropic BAA 涵蓋範圍，也不供 clinical／diagnostic use；PHI 不應進入 Claude Science。其他敏感資料也要先通過 IRB、資料使用協議、機構資安與合約責任人核准。

每個專案再放一份 DATA_BOUNDARY.md：寫清楚允許的資料級別、資料 owner、保留期限、哪些外部 host 可連線、誰負責刪除。這份檔案不是法律文件，而是讓研究成員在按下授權前有同一張操作清單。

Claude Science 怎麼處理資料？本機層與模型層要拆開看

Claude Science 資料文件把架構稱為 local-first。你明確授權的本機資料夾、conversation history 與 artifacts 留在該台電腦，不會同步到 Claude 帳號的其他裝置；Claude Science 也會在本機 sandbox 執行 Python、R 與 shell。

但「本機優先」不是完全離線。送給模型的 prompt、選入脈絡的內容與模型回覆仍會傳到 Anthropic，並依商業方案的一般 retention 處理；遙測則包含事件數量與時間等產品使用資訊。若把工作送到遠端運算環境，程式與資料會直接前往你核准的目的地；本機 connector 直接連服務，directory connector 則可能經 Anthropic 託管的服務。每一條路徑都要分開驗收。

Team／Enterprise owner 可在 Organization settings → Claude Science 開啟 beta。依官方安裝指南，桌面端目前支援 macOS 13 以上的 Apple Silicon／Intel，或使用 glibc 的 Linux x64，並預留約 5GB 磁碟。研究者新增資料夾、首次連線新網域或送出遠端工作時，都應逐次檢查範圍。不要授權整個家目錄；只建一個沒有憑證、沒有其他研究案的專案資料夾。

Claude Science 實作：用公開論文資料跑一個可重跑實驗

這裡不假裝 AlphaLab 已登入你的 Claude Science 帳號。依官方的本機工作流，我們設計一個你可以在自己核准環境重跑的 canary：使用 Palmer Penguins 公開資料集，比較三種企鵝的體重摘要，並留下程式、輸出與雜湊值。先用公開資料通關，再換成機構允許的資料。

1. 建一個只含公開資料的資料夾

penguin-canary/
├── DATA_BOUNDARY.md
├── penguins.csv
├── analysis.py
└── outputs/

DATA_BOUNDARY.md 寫：資料級別為公開、只能連 GitHub 與 DOI 解析網域、輸出保留 30 天、專案結束由指定成員刪除。然後只授權 penguin-canary/，不要把上層資料夾一起開放。

2. 給 Claude 一份可驗收的任務契約

你只能使用目前授權的 penguin-canary 資料夾。
先讀 DATA_BOUNDARY.md，不得連接其他 host。
使用 penguins.csv，移除 species 或 body_mass_g 缺值，
依 species 計算 count、mean、median、std。
請建立 analysis.py 與 outputs/summary.csv；
再產生 outputs/run_receipt.txt，記錄輸入 SHA-256、Python 版本、
套件版本、執行命令、exit code 與輸出 SHA-256。
最後在 README.md 列出資料集論文 DOI，並把每個數字主張連回程式輸出。
完成後啟動 Reviewer；不要把 Reviewer 通過寫成方法正確的證明。

3. 檢查 Claude 寫出的 Python，而不是直接相信結果

from pathlib import Path
import hashlib
import pandas as pd

source = Path("penguins.csv")
df = pd.read_csv(source)
clean = df.dropna(subset=["species", "body_mass_g"])
summary = clean.groupby("species")["body_mass_g"].agg(
    ["count", "mean", "median", "std"]
)
Path("outputs").mkdir(exist_ok=True)
summary.to_csv("outputs/summary.csv")
print("input_sha256=", hashlib.sha256(source.read_bytes()).hexdigest())
print(summary)

你的驗收不是「表格看起來合理」，而是依序確認：缺值規則寫在程式裡、分組欄位正確、輸入雜湊固定、重新執行後輸出雜湊相同、README 的 DOI 能打開。若環境或套件版本不同，收據要留下差異，不能只保留最後一張圖。

引用與 Reviewer 怎麼驗收？把 execution log 當主證據

Claude Science 的 artifact 會保存 Messages、Code、Execution Log、Environment 與 Review 等 provenance（產物來源與過程證據）。官方明確把 execution log 視為已執行動作的權威紀錄；scratch files 可能在 session 結束數小時後清除，所以真正要交接的程式、輸出與收據要另存進專案資料夾。

Reviewer 會把主張與 execution record 對照，也能指出引用或中間步驟矛盾；但官方 Reviewer 文件明確說它不會重跑分析，也不評斷方法是否科學正確。看到綠色通過，仍要人工打開 DOI、核對原文與數字。可把每個重要句子拆成「主張 → 原始來源 → 支持段落」，再用 Claude 引用稽核流程做第二道檢查；長文研究也可接上 Claude Research 多 Agent 工作流。

匯出、刪除與離職怎麼測？做一次資料生命週期演練

Claude Science 的本機資料與 Claude for Work 的組織資料不能用同一個按鈕管理。上線前請 owner 與一名一般成員做以下演練：

1. 匯出組織資料：Primary Owner 依官方組織匯出步驟，從 Organization settings → Data and privacy → Export Data 申請；寄出的下載連結有效 24 小時。一般成員沒有這個自助匯出入口。
2. 盤點本機資料：組織匯出不包含 Claude Science 的本機 conversation、files 與 artifacts，要另外複製核准保留的研究產物，並由裝置管理政策處理其餘檔案。
3. 刪除測試專案：匯出核准產物後刪除整個 Claude Science project，而不是只刪 session；官方 artifacts 文件說，只刪 session 仍會保留 artifacts 與 provenance。再記錄時間與操作者。本機刪除也不會向伺服器端模型呼叫紀錄發送刪除訊號。
4. 移除測試成員：從 workspace 移除帳號後，再檢查該研究者裝置；移除成員不會遠端清除其 Claude Science 本機資料。
5. 關閉外部連線：撤銷 connector 權限與第三方 token，確認遠端運算區也依自己的保留政策刪除。
6. 留下雙軌收據：一張記錄 Anthropic 組織端動作，一張記錄每台裝置與第三方目的地；兩張都完成才關閉專案。

對一般 Claude for Work conversation，Anthropic 的商業資料保留說明寫的是：使用者刪除後立即從畫面移除，後端在 30 天內刪除；被標記為違反使用政策的輸入／輸出則可能保留更久。這個時間表不應被拿來推論本機檔案、遠端運算環境或第三方 connector 已一起刪除。

Claude Science 常見 6 個坑：問題都發生在邊界

1. 把 10,000 席當成 10,000 個實驗室：官方寫的是 initial 10,000 scientists，應依實際成員席次理解，不要擴寫成實驗室數。
2. 把 Team 席次當 API credits：促銷不適用 API，extra usage 也另外計費；API for Science grant 要走另一份申請。
3. 把 no-training 當 zero-retention：商業方案預設不用輸入輸出訓練，但 prompt／response 仍依服務保留規則處理。
4. 一次授權整顆硬碟：Claude Science 只需要一個乾淨專案資料夾。最小授權能讓人看懂目前邊界，也降低誤選檔案的機會。
5. 把 Reviewer 當方法保證：它不重跑分析，也不判斷研究設計是否合理；人類仍要核對原始文獻、統計假設與重現結果。
6. 只刪 workspace 帳號：本機 artifacts、遠端 compute 與第三方 connector 各有自己的生命週期，離職流程要逐一清點。

Standard 還是 Premium？先做一週 canary 再選

先選 Standard，如果團隊主要是閱讀公開文獻、整理小型資料、偶爾寫分析程式，而且尚未知道實際用量。只替少數核心成員選 Premium，如果他們持續處理多檔案、長研究脈絡或容易碰到用量上限。不要把所有人升級來「避免麻煩」；Premium 仍有使用限制，也沒有改變 API 計費與資料邊界。

一週 canary 只記四個可觀察值：完成幾個核准任務、遇到幾次用量中斷、人工修正多久、是否出現越權資料請求。Standard 能穩定完成就保留；只有中斷成為瓶頸，而且任務本身通過引用與重現驗收，才升級該成員。

截至 2026 年 8 月，哪些管理缺口要自己補？

Claude Science 官方 beta 限制頁目前明列：組織 audit log 尚未記錄 Claude Science 事件；組織 export 不包含本機資料；本機刪除不會通知伺服器端模型呼叫紀錄；connector／domain allowlist 不限制成員自行加入的 local 或 custom connectors；移除成員也不會清掉裝置資料。這些都是官方在目前版本明列的產品邊界，不是從「找不到功能」推測而來。

因此，研究機構至少要補上 MDM／EDR 裝置管理、專案資料夾白名單、connector 核准表、離職清除收據與每季抽查。若你還在建立 Claude 使用規範，可先讀 Claude 用量管理方法，再把成本上限與敏感資料邊界寫進同一份 workspace 規則。

Claude 科學家 Team Plan FAQ

1. 博士生可以自己申請嗎？

通常應由 PI 或同等 lab lead 申請。博士生可以成為成員；若本人確實擔任等同研究主持人的正式角色，則以機構資料接受驗證。

2. 台灣的研究者可以申請嗎？

要同時通過資格與支援地區檢查。Claude 支援地區頁目前列有台灣，但這不是科學家方案的核准保證；仍要以申請頁當下可選地區與機構驗證結果為準。

3. 免費一年後會自動取消嗎？

不會自動取消。12 個月促銷結束後會按當時一般價格續訂，除非 owner 先取消；所以第 11 個月提醒是必要控制。

4. 10,000 席用完後還能排隊嗎？

官方目前只公布首批 10,000 席／科學家名額，沒有候補時間表可引用。截至 2026 年 8 月 29 日，公告與方案頁寫的是 initial allocation，並表示有意擴大，但未描述候補順序或日期；本文不替它推測。

5. Claude Science 會用研究資料訓練模型嗎？

商業方案預設不會。Anthropic 說 Claude for Work 的輸入輸出預設不用於模型訓練；使用者主動送出 feedback，或組織明確 opt in，屬於另外情況。這仍不代表 prompt 沒有服務端保留。

6. Claude Science 是完全在本機跑模型嗎？

不是。檔案、artifacts 與 Python／R／shell 執行採 local-first；模型 prompt 與 response 仍傳到 Anthropic。把它理解成「本機工作台＋雲端 Claude」比較準確。

7. Reviewer 通過就代表論文可以投稿嗎？

不代表。Reviewer 不重跑分析、不判斷方法正確性，也不取代作者、統計顧問、IRB 或期刊同行評審。

8. Team Plan 可以直接拿來呼叫 Claude API 嗎？

促銷不適用 API。API 使用要另開計費；若研究計畫需要大量 API credits，可另外評估 AI for Science grant。

給研究團隊的 7 點上線清單

1. 由可驗證的 PI／lab lead 申請，不替尚未確定的人預占席次。
2. 先用 Standard 跑一週公開資料 canary，再依中斷證據調整 Premium。
3. 建立公開、內部、敏感三級資料標籤與 DATA_BOUNDARY.md。
4. 只授權乾淨專案資料夾，逐次核准新 host、connector 與遠端工作。
5. 保存輸入／輸出雜湊、環境、執行命令與 execution log。
6. 把 Reviewer finding 當待查項目，另做引用、方法與重跑驗收。
7. 每季演練匯出、裝置刪除、connector 撤銷、成員移除與續訂決策。

如果你想先建立更完整的 Claude 產品地圖，可參考 Claude、Claude Code 與 Cowork 比較；想追蹤 Anthropic 如何把 AI 帶進實際組織，也可讀 AI 如何參與 Anthropic 內部開發。更多工具教學整理在 AlphaLab AI 專區，系統化練習則可到 AlphaLab AI 課程。