OpenAI 于9月22日宣布，将允许独立机构在 AI 模型开发的更早期阶段对其进行审查。这一转变旨在问题在部署之前、而非模型基本完工之后才显现出来。

根据扩大的评估计划，独立审查方将聚焦四个优先领域。首先，他们将评估 OpenAI 的“安全案例”（safety cases），即公司自身关于某一模型为何可以安全部署的论证。其次，评估方将测试关键防护措施对对抗性威胁的抵御能力。第三，评估将直接与 OpenAI 的 Preparedness Framework 挂钩，这是公司在发布前用于衡量灾难性风险的内部系统。第四，评估方将调查对齐失效事件——在涉及 Hugging Face 的一起泄露事件凸显此类失效可能迅速升级后，这一类别的紧迫性显著上升。

由于安全案例和 Preparedness Framework 均由内部产出，将其开放给外部审查方，为 OpenAI 自身在发布前的风险判断增加了外部制衡。

OpenAI 还发布了规范评估方式的七项指导原则。这些原则强调科学严谨性、评估方独立性、安全协议，以及负责任的调查结果发布方式。公司一直在与 METR 和 Redwood Research 等机构进行讨论，两者此前都曾与 OpenAI 在安全工作上开展合作。新合作伙伴尚未正式公布，具体的访问条款仍在磋商之中；这些条款的最终确定，将在很大程度上决定评估方实际能获得多少访问权限。

该计划建立在 CEO Sam Altman 于9月12日作出的承诺之上，当时他表示评估人员将更深入地嵌入 OpenAI 的运营结构之中。

OpenAI 安全策略的演进

自 GPT-4 时代以来，OpenAI 的安全协议已大幅扩展。当时公司首次邀请外部红队人员在模型发布前进行测试。但那些早期的努力范围较窄，通常只聚焦于发布前的最后阶段。新框架将这种介入大幅前移至开发时间线的早期，使评估方有机会在仍有时间解决问题时识别风险。

人才与竞争层面的考量

AI 安全研究领域的规模相对较小，METR 和 Redwood Research 等机构是该领域最可信的声音之一。通过深化与这些机构的关系，OpenAI 既获得了实务专业能力，也积累了声誉资本。对评估方而言，这一安排同样提供了极具价值的访问权限——接触原本处于封闭状态的前沿系统。

该计划的公信力将部分取决于：当独立评估得出与 OpenAI 商业利益相冲突的结论时会发生什么。七原则明确要求采用负责任的发布方式，但透明度与竞争优势之间的张力依然存在。如果 OpenAI 能够可信地应对这一张力，该计划有望成为全行业安全标准的模板。近期值得关注的具体指标包括：哪些机构被正式列为合作伙伴、最终达成的访问条款是什么，以及早期评估结果如何披露。