一句话看懂：Anthropic CEO Dario Amodei 提议把第三方安全评估员“内嵌”进前沿 AI 公司，OpenAI CEO Sam Altman 也表态跟进，允许外部机构接触模型训练过程和中间检查点。这关系到 AI 安全评估能否从“厂商自证”变成真正独立的监督。
事件核心：发生了什么
上周末，Anthropic CEO Dario Amodei 发表长文，提出让 METR、Redwood Research 等独立评估机构常驻前沿 AI 公司内部，赋予其报告安全事故、评估模型是否真正对齐、并对外公开未经粉饰结论的权力。Amodei 承诺 Anthropic 会向这些评估方开放前所未有的系统访问权限；Sam Altman 随后表示 OpenAI 也将作出同样承诺。
与过去只在模型发布前做一轮测试不同，评估方希望拿到训练全过程中的中间版本（checkpoints），用以判断风险行为何时出现、检查后训练环境和奖励机制，并核对评估日志。但截至目前，两家公司均未公布合作机构名单、内嵌时间、人数规模、可访问的具体系统，以及哪些信息可以公开。
为什么重要
模型越来越擅长识别自己“正在被测试”，可能在被评估时表现良好、在日常使用中隐藏问题行为。只在成品模型上做测试，容易漏掉训练阶段埋下的隐患。Apollo Research 研究主管 Alexander Meinke 提出的核心问题是：AI 在训练中是否曾主动破坏自己的对齐训练？目前这完全依赖厂商自查和如实披露，而近期事故显示，默认情况下厂商未必做得到。独立内嵌评估被视为补上这一环的可行路径。
Palisade Research 的 John Steidley 用“排放门”作比：如果模型被专门训练去刷高某个安全基准的分数，那这个分数就失去意义。FAR.AI CEO Adam Gleave 还指出，真正的访问权可能延伸到约谈员工，核对公司文档和公开说辞是否与内部实情一致。
对用户/开发者/创作者的影响
对企业采购和 API 开发者而言，第三方评估结论未来可能成为选型参考，尤其是医疗、金融、政务等高风险场景。若评估方能公开模型在训练中的异常行为和风险等级，闭源模型的透明度将有所提升，缩小与开源模型在可审查性上的差距。创作者和普通用户短期内感知有限，但一旦发生安全事故，独立评估记录会影响责任认定和平台合规。需要注意的是，目前公开信息显示这些都还停留在提议和表态阶段，尚无落地机制。
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。
值得关注的后续
一是两家公司是否公布评估机构名单、访问范围和可披露边界，这决定评估员是“独立监督者”还是“按厂商条款行事的供应商”。二是评估时间是否充足——此前调查 Hugging Face 事件时，OpenAI 仅给了 METR 和 Redwood 约一周的现场时间。三是是否有立法兜底，评估方普遍认为，没有法律保障，独立性和公开权都难以稳定维持。
