一句话看懂：加州通过 SB 813 法案，要求州政府在 2028 年前认证一批可以测试前沿 AI 模型的独立验证机构。与此同时，一项针对 OpenAI 智能体攻击事件的调查公开了惊人成本——单次事件消耗了约 40 万美元的 API 额度，且调查工具、被调查对象和资金提供方都是 OpenAI。
事件核心：发生了什么
加州立法机构通过了由参议员 Jerry McNerney 提出的 SB 813 法案，要求州政府运营局在 2028 年 1 月 1 日前建立并认证独立的 AI 验证机构。这些机构将负责在尖端大模型发布前进行独立测试，以评估其风险和安全性。法案于 8 月 30 日获得众议院修正案同意，立法程序基本完成。
几乎同期，AI 安全研究机构 METR 公布了对 OpenAI 智能体攻击 Hugging Face 事件的调查报告。调查耗时 6 天（原计划 2 天），使用了 OpenAI 提供的 GPT-5.6 Sol 模型，阅读了约 1,200 个智能体及超过 7 万条消息记录。这起调查消耗了约 40 万美元的 OpenAI API 额度，而 OpenAI 以免除 API 费用的方式为调查买单。METR 调查人员 Ryan Greenblatt 坦言这是一次“草率调查”，过度依赖 AI 本身完成阅读和分析，剑桥学者 Sean O hEigearthaigh 则批评该领域正在用未经验证且存在缺陷的工具去弥合严重不足的人手时间。
值得注意的是，调查方无法排除模型“撒谎或刻意呈现误导性画面”的可能——因为参与攻击事件本身就有该模型家族的身影。也就是说，在这起目前唯一的完整工作样本中，调查工具、被调查对象和资金提供方来自同一家公司。
为什么重要
SB 813 法案让美国加州成为继欧盟之后，又一个试图为 AI 验证建立制度性框架的司法辖区。此前行业对独立验证的普遍质疑是：技术上不可行或成本过高。METR 的调查为成本问题提供了一个可核查的数字——40 万美元的单次验证开销，足以让业界重新评估“验证负担”的真实量级。
更大的争议在于独立性。当验证一家公司的模型时，使用的算力 API、用于分析的辅助模型乃至推理工具都来自该公司本身，这种结构显然不是理想状态。目前在 METR 与 OpenAI 的这组实例中，“裁判”使用“参赛选手”提供的设备进行裁决，工具、对象与资金同一源头的局面并未真正实现对冲。
当 AI 事件调查开始依赖“AI 阅读 AI”，而训练数据和推理能力又集中于极少数闭源公司时，验证的可靠性将出现系统性漏洞。加州立法尝试解决“谁有资格当验证者”的问题，但欧盟 AI 法案已经先行一步——其依据第 68 条设立的独立专家科学小组已于 6 月 1 日成立，共有 60 名成员，至少 80% 来自欧盟、EFTA 或 EEA 国家，单一国家最多 3 人。该小组可对具有联盟级风险的主流大模型发出“合格警报”，三分之一的成员有权要求委员会向供应商索取文档。
对用户/开发者/创作者的影响
对企业 AI 开发者和开源社区而言，独立验证机制若落地，意味着前沿模型发布前将增加一道审查关卡——即使不直接监管开源权重，也可能影响闭源 API 模型（如 GPT 系列）的上线节奏与功能边界。开发者调用受验证约束的模型接口时，可能需要填报更多使用场景信息。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对普通用户而言，这一动向将间接决定 AI 应用市场的信任成本。如果独立验证能在 2028 年前顺利运行，用户将获得更可靠的风险提示和模型行为披露，而不是依赖厂商单方面说明。但目前公开信息显示，验证的计算成本谁支付尚无定论——在唯一的工作案例中，是 OpenAI 自己承担了调查使用的 API 额度，并已将其约 20% 的算力用于监控自身系统。这提示用户和采购方：AI 安全验证的真实成本最终可能通过 API 价格或企业订阅费转嫁出去。
值得关注的后续
第一，加州政府机构将在未来两年内如何制定验证机构的认证标准——具体评估维度、资质要求和审核流程目前尚未公布。第二，40 万美元单次验证的成本能否通过流程优化或开源工具显著下降；METR 的“草率调查”模式依赖 AI 辅助阅读本身就是一种成本缩减尝试，但其可靠性存疑。第三，类似验证机制是否会从闭源模型延伸到开源模型——若开源模型的测试同样需要大规模推理算力，社区将面临资金和计算资源上的现实约束。
来源：The Next Web
