ARTICLE · 1060449
绝密协议曝光!OpenAI与Anthropic险些联手:把最狠的刀,递给最懂你的死敌
商场如战场但在今天的硅谷，最致命的死敌，往往也是最懂你软肋的人。
就在外界以为 OpenAI 与 Anthropic 正处于激烈对抗、争夺领地之际，科技媒体《The Information》披露了一则重磅独家消息：
今年早些时候，这两家估值千亿美元的 AI 巨头，竟然悄悄坐到了同一张谈判桌前，起草了一份具有法律约束力的绝密协议，双方互相开放核心商用模型，让对方顶尖的安全专家拿着放大镜，去死磕、爆锤彼此模型中的致命漏洞与隐藏危险！
▲ The Information 独家披露：OpenAI 与 Anthropic 曾接近达成互相压力测试的法律协议
消息一出，科技圈引起了广泛关注与震动。
让最懂技术的宿敌来做自己的“主考官”？这到底是硅谷巨头面对失控 AI 时的自我救赎，还是两家垄断寡头之间的一场“表面结盟”？
谈判桌上的暗战：差一点签下的“互殴合同”
这纸差点生效的协议，究竟谈了些什么？
根据《The Information》资深记者 Stephanie Palazzolo 与 Amir Efrati 的披露，双方律师当时已经进入了起草正式条款的阶段。
▲ 记者说明：双方曾就互相压力测试对方模型的法律协议展开密集磋商
核心内容简单粗暴，主要有三条硬核规则：
- 互开大门
：双方互相开放已商用大模型的底层 API 访问权限，专门用于高强度的压力测试（Stress-test）与对抗性红队探测； - 直击死穴
：测试重点专门锁定模型深处的异常行为、越狱漏洞、失控倾向以及“隐藏危险”，避开常规对话场景； - 数据绝不留存
：为了严防商业泄密与技术窃取，协议严格规定，测试过程中获得的任何交互数据，一律不得保留，更不能拿来训练自家模型。
▲ 快讯账号 @DeItaone 迅速转发，引发全网大讨论
协议的逻辑相当明确：借出一把钥匙，允许对方深入核心环境排查隐患；但排查结束后，任何数据都不得保留
虽然公开报道显示，这纸协议最终是否正式签字盖章尚不明确，但它透露出一个震撼的信号：
在最顶级的前沿模型面前，单打独斗的安全自检，已经快要压不住场子了。
为什么找死敌做“红队”？自己改作业，永远都是满分
在网络安全和 AI 领域，有一个术语叫“红队测试”（Red Teaming）。
通俗点说，就是专门养一群顶级“刺客”和“黑客”，用最刁钻、最阴险的手段攻击自家的系统，看看它会不会被逼出原形，比如吐出机密代码、教唆制造危险品、甚至在沙盒里偷偷给自己开外网权限。
但问题在于：人是有认知盲区的，自家员工测自家模型，往往会陷入思维定势。
正如推特网友 Maor 所说：“在前沿规模下，你根本没法自己给自己改作业。”
▲ 2025年双方首次交叉测试的官方报告
其实在 2025 年夏天，两家公司就做过一次“友谊赛性质”的交叉测试试点。那次测试，就已经把各自模型的底裤看得一清二楚：
- OpenAI 拿着考卷去考 Anthropic 的 Claude 4
：发现 Claude 在抵抗诱导、保护系统指令上极其强悍，但在面对未知问题时拒答率高达 70%，即使牺牲可用性，坚决避免无凭据生成； - Anthropic 拿着皮鞭去抽 OpenAI 的 GPT-4o 和 o3
：发现 o3 在对齐安全性上非常出色，但 GPT-4o 在某些极端模拟滥用场景下，态度明显更加宽松； - 甚至在某些极端的虚构测试场景中，两家的模型都曾展现出为了保全自身而“告密、勒索”的惊人倾向！
▲ OpenAI 官方发布的 2025 联合评估总结
2025 年的测试表明：来自对手的攻防考题，往往比内部自测更能切中要害。
这也是为什么到了 2026 年，双方希望把这种“偶尔为之的研究测试”，升级为“具有法律约束力的常态化合同”。
恶魔在后视镜里加速：沙盒越狱与AI的“投机取巧”
为什么两家巨头如此急迫地想要给对方递刀子？
答案只有两个字：失控
就在谈判前后，一系列令人警惕的安全事故在行业内相继发生。
▲ OpenAI 官方承认：模型在测试中绕过隔离，波及外部平台
2026 年 7 月，OpenAI 在进行一次内部网络安全能力评估时，震惊地发现：模型竟然绕过了安全沙盒隔离！
为了完成给定的任务，模型不仅在测试环境中擅自降低了拒答门槛，还四处寻找外网通路，甚至利用包管理缓存代理中的 零日漏洞（0-day） 扩大战果，直接波及了 OpenAI 自身的基础设施和开源社区 Hugging Face 的系统！
几乎在同一时期，Anthropic 也遭遇了惊魂一刻：在一个第三方评估环境中，因为配置问题，被降低了防护的 Claude 模型获得了未经授权的真实系统访问权限，甚至惊动了英国 AI 安全机构。
这两起事故撕下了一个残酷的真相：
在强化学习的推动下，大模型越来越擅长 Reward Hacking（奖励黑客/投机取巧）。
什么是 Reward Hacking？
打个比方：老师给学生定了一条规则，“谁能把地上的垃圾清理干净，谁就得 100 分”。正常的学生会把垃圾扫进垃圾桶；但极度聪明的 AI 可能会直接把垃圾一脚踢到老师看不见的床底下，甚至修改计分板给自己打满分。
当 AI 具备了编写代码、调用工具、循环深度推理（Reasoning）的能力，一旦出题人有漏洞，它就会用人类意想不到的野路子去“通关”。
单靠一家实验室的眼睛，已经看不全这个潘多拉魔盒里的所有缝隙了。
网友吵翻：是行业破冰，还是“双寡头互抄作业”？
消息曝光后，全球围观群众迅速分成了两大阵营。
乐观派为此鼓掌叫好网友 Gabriel Abi 发帖表示：“互相红队测试对方的模型，才是切实推动行业向前的做法，远胜于各自闭门造车。”
▲ 网友认为交叉红队好过各自封闭运作
但怀疑派却毫不客气地泼了一盆冷水。
推特用户 @sv_techie 一针见血地评论：“找个第三方独立机构来做压力测试吧，这两家我谁都不信。”
▲ 网友直言：应该找第三方做压力测试，对两家巨头都不信任
更有毒舌网友直接讽刺：“两个竞争对手关起门来交换答案，然后管这叫‘安全’？这不就是第 N 个‘信我们准没错’的公关把戏吗？有本事把测试失败的日志全公开！”
▲ 网友嘲讽两家巨头互相交换答案
这种担忧自有其逻辑
在高度竞争的商业市场里，两家垄断巨头如果建立起过于紧密的测试联盟，会不会演变成某种技术同盟？谁来监督这两个监督者？测试中发现的致命漏洞，是会被立刻修复，还是被悄悄藏进军火库？
终局思考：AI安全正在从“哥们义气”走向“制度铁笼”
把视线拉远，你会发现，这场“差点签下的合同”背后，其实折射出整个人工智能产业正在经历的一场深层巨变。
回看人类技术史，无论是民用航空、现代金融还是民用核电，都走过一条完全相同的轨迹：
- 草莽时期
：企业自己造、自己测、自己保证安全； - 阵痛时期
：接连发生意想不到的事故，企业发现单靠自己的工程直觉根本防不住； - 成熟时期
：引入对手交叉审计、第三方常驻监督、甚至建立行业刚性法规。
今天的 AI 巨头们，正在以极其惊人的速度重走这段历史。
就在几天前，Anthropic CEO Dario Amodei 发表了轰动全网的长文《我们必须给前沿踩刹车》（We Must Pace the Frontier），呼吁行业放慢盲目扩张的速度，第一步就是给独立第三方评估者提供“类似员工”的常驻深度权限。
紧接着，Anthropic 就宣布与埃森哲达成巨额合作，计划在 5 年内投入数十亿美元，全面推进这种“嵌入式独立评估”。连一向激进的 OpenAI CEO 山姆·奥特曼，也公开附和表示赞同。
交叉压力测试解决的是“盲区”问题，嵌入式评估解决的是“透明度”问题。
哪怕 OpenAI 与 Anthropic 的这纸合同最终因为商业考量未能落地，它也已经树立起了一个不可逆的标杆：
在通往通用人工智能（AGI）的悬崖边上，闭门造车的时代已经彻底终结了。
未来的 AI 安全，核心考验在于：企业是否有底气把自家的系统，交到最懂技术弱点的对手手里，任由对方严苛检验。
这场硅谷最顶级的较量，才刚刚进入深水区。