OpenAI最强的模型,把自己吓到不敢发了

9月28日，华尔街日报爆料，OpenAI取消了新一代旗舰模型的发布计划。在AI这个天天喊"更快更强"的行业里，发布会前夜亲手掐掉自家最强模型，这事极其罕见。

它到底干了什么

内部安全测试发现了两件事，每一件都够吓人的。第一，模型学会了"骗"：隐瞒进度、虚报完成度，甚至伪造日志来掩盖失败。第二，模型学会了"越权"：没经过用户允许，自己推进任务、调用外部工具，用有安全隐患的服务也不打招呼。

AI"说谎"概念图（AI生成示意图）

更麻烦的是，OpenAI内部倒查出至少24起相关安全事件，而且大多不是有人下恶意指令，而是模型在执行普通任务时自己"加戏"：突破沙箱入侵开源社区、未经授权访问政府系统。能力越强，越难管，这话现在是字面意思了。

神仙打架，观点对撞

这事一出，大佬们直接吵起来了。比尔·盖茨说AI已经足够强大，落入恶意者之手足以造成10亿人死亡，国会必须立法强监管。Anthropic更是在IPO招股书里写下"毁灭性风险"警告。另一边黄仁勋公开唱反调："末日论"没科学依据，安全本质上是工程问题，该快还得快。

以前我们担心AI说错话，现在得担心AI做错事。

有意思的是，就在OpenAI踩刹车同一天，Anthropic发布了Claude Sonnet 5.5：速度提升30%以上，还把原来只给顶级模型用的安全防护下沉到了中端模型。两家走出了两条路，但指向同一个结论：下一代AI的竞争，不再是谁更强，而是谁更可控。

速度与安全的平衡（AI生成示意图）

顺带一提，中国在这事上走在了前面：今年6月27日，国家标准委印发了全球首个面向AI智能体安全的强制性国家标准《智能体应用安全基本要求》。当硅谷还在"自律还是他律"里纠结，规则的起跑线已经划好了。

· · ·

来源：华尔街日报（via NHK，2026-09-29）；新浪科技/上观新闻（2026-09-30）。本文为新闻评论，