OpenAI 于 2026 年 6 月 19 日推出全新评估方法，可在模型正式部署前预测潜在有害行为。该方法通过模拟攻击场景与行为模式，提前识别模型可能引发的安全或伦理风险，旨在提升 AI 系统的可靠性。[[1]](https://www.govinfosecurity.com/new-openai-method-forecasts-ai-risks-before-deployment-a-32021)
这一举措发生在 AI 监管与安全争议加剧的背景下。近期美国政府对 Anthropic 模型的出口管制引发行业震动，凸显前沿模型风险评估的重要性。OpenAI 此举与 Anthropic 强调的系统级防御形成对比，前者更侧重预部署预测，后者则在模型上线后加强护栏。与此同时，谷歌 DeepMind 此前发布的 AI 代理安全路线图也强调事前防御，二者均反映出从“事后修复”向“事前防控”的行业转向。
相比之下，OpenAI 的新方法更注重量化预测，可能帮助企业在合规与成本控制上占据优势。但这也可能加剧与 Anthropic 在企业安全解决方案市场的竞争——前者侧重部署前工具，后者则通过实际模型迭代积累信任。OpenAI 能否将此方法转化为商业产品，或影响其与监管机构的对话，仍是关键悬念。
下一步值得跟踪 OpenAI 是否将该方法开源或与第三方合作，以及其在实际部署案例中的表现。[[1]](https://www.govinfosecurity.com/new-openai-method-forecasts-ai-risks-before-deployment-a-32021)
信源：https://www.govinfosecurity.com/new-openai-method-forecasts-ai-risks-before-deployment-a-32021