白宫政策逆转后，英国恢复在发布前测试 AI 模型
尽管美国近期试图让英国评估人员接受美国审批门槛，英国 AI 模型测试仍重新获得了发布前的关键地位。
英国 AI 安全研究所如今可再次在 OpenAI、Anthropic 和 Google DeepMind 的先进模型面向用户推出前进行评估。这一变化恢复了此前的安排，使英国成为美国 AI 系统中影响力格外突出的外部测试方。
这一逆转的重要性不止于一场跨大西洋争端。华盛顿短暂表明，获取尚未发布模型的权限可以成为国家政策工具。伦敦随后则显示，盟友施压能够重新打开这一访问渠道——至少目前如此。
根据最初的政策逆转报道，英国的游说推动推翻了这项限制。此前的政策要求，领先实验室在向英国官员共享模型前须获得美国批准。
这一结果看似是英国的胜利。然而，它也暴露了外部评估机构对实验室及其所属政府自愿合作的依赖程度。
英国 AI 模型测试重获发布前访问权限
眼下的变化很简单：英国研究人员再次能够在公众使用某些前沿模型之前对其进行审查。
前沿模型是指在特定时期内能力最强的通用 AI 系统。它们可以执行复杂的编程、研究、说服以及自主计算机操作任务。
发布前访问使评估人员能够在开发者仍可调整安全措施或部署计划时研究这些能力。发布后的测试也能发现问题，但届时用户可能已经面临这些问题。
10 月 12 日，英国政府确认，其 AI 安全研究所正在对最新的先进模型进行严格评估。政府公告将这项工作纳入针对网络威胁和自主 AI 智能体的一揽子新保障措施中。
政府并未公开说明每项访问条件，也未点名所有正在接受审查的模型。这一点很重要，因为发布前合作往往涉及保密系统、安全方法和未公开的研究结果。
彭博社报道称，恢复后的安排涵盖 OpenAI、Anthropic 和 Google DeepMind 的模型。这些公司开发了多项最有可能设定新的性能与安全门槛的系统。
该决定逆转了一项与特朗普政府有关的限制。在那种做法下，美国当局将在美国公司向外国政府评估人员共享模型前对模型进行审查。
据报道，这项限制并非只是重新安排测试日程中的两次会议。它让美国政府介入私营实验室与盟友安全机构之间。
这一安排威胁到英国研究所的核心优势。英国并不拥有大多数开发领先封闭模型的公司，因此其影响力高度依赖于早期访问权限。
这次中断也发生在一段异常密切的合作期之后。OpenAI、Anthropic 和 Google DeepMind 此前曾向英国评估人员提供系统或研究访问权限。
AISI 已针对网络能力、生物风险、安全措施以及失准迹象测试模型。失准是指 AI 系统的行为违背其既定目标或运行限制。
因此，恢复访问权限意味着重新连接既有评估项目，并不意味着创建了一个对美国公司拥有强制权力的新监管机构。
这一差别应当影响读者如何解读这项公告。英国重新获得的是测试模型的机会，而不是延迟或阻止其发布的法定权利。
实验室仍然控制其提供的访问程度。它们还可以限制测试时间、接口、技术信息和结果披露。
对英国官员而言，这一实际胜利依然相当重要。发布前测试可以在模型安全措施仍较易修改时对其产生影响。
对开发者而言，恢复访问增加了部署前的一轮专家审查。但这也意味着，又一个政府将参与涉及敏感能力和国家安全的决策。
这种张力引向了更大的问题。这场争端从来不只是英国研究人员能否运行基准测试，而是谁掌控私营模型走向更广泛世界的路径。
为什么早期访问比又一次基准测试更重要
发布前评估之所以有价值，是因为时机、访问深度和测试条件决定了外部研究人员实际上能够发现什么。
公开聊天机器人只能呈现底层系统的狭窄一面。研究人员可能需要专用接口、详细的安全措施信息，或获准进行高强度测试。
英国研究所称，其评估方法会在部署前审查潜在有害能力。其方法包括专家红队测试，即由专业人员探测系统是否存在危险行为。
这些评估可以涵盖网络行动、生物知识、自主行为以及规避控制的能力。它们还可以检验安全措施是否能在更长时间的任务中保持有效。
这项工作不同于普通产品评测。评估人员并不是在问聊天机器人是否能写出更好的电子邮件，或生成更整洁的代码。
相反，研究人员会问，模型能否发现漏洞、协助设计有害材料、操纵他人，或在有限监督下完成危险步骤序列。
时机会改变这些发现的价值。在发布前，开发者可以修改系统指令、加强监控、限制工具，或推迟特定能力的推出。
发布后，同样的发现就会成为事件响应问题。客户可能已经将系统整合进软件、研究和业务流程。
早期访问还使评估人员能够测试尚未针对公众展示进行优化的模型。这可能揭示后来被界面限制掩盖的行为。
然而，仅有访问权限并不能保证评估有效。测试人员还需要足够的时间、合适的工具和真实的环境。
对受限预览版进行短期审查，可能会错过在长时间运行的智能体任务中出现的风险。AI 智能体是一种在有限人工指引下，跨多个步骤进行规划和行动的系统。
评估也可能很快过时。开发者可能会在测试快照与公开发布之间修改模型。
最终产品可能采用不同的安全措施、工具权限或系统指令。这些变化可能提升安全性，但也可能削弱早期结果的相关性。
因此，发布前测试最好作为持续流程的一部分。研究人员需要在发布前获得访问权限、在部署临近时进行验证，并在之后持续监测。
英国的地位仍然不同寻常，因为 AISI 已在政府内部组建了一支庞大的专业团队。它能够将技术发现与国家安全和公共政策联系起来。
当模型能力跨越传统监管边界时，这种联系尤为重要。一个系统可以影响网络安全、科学研究、公共信息和关键基础设施。
没有任何普通行业监管机构能够看到全貌。集中的技术研究所能够比较多个风险领域的模式。
然而，AISI 的运作方式并不像发牌机构。其工作主要依赖与公司的协议，而非强制提交要求。
英国和美国于 2024 年达成了联合测试协议。双方计划在各自研究所之间共享研究成果、模型访问权限和专业知识。
这一合作模式假定，盟友间的测试将加强两国实力。近期的限制通过将国家控制置于自动信息共享之上，挑战了这一假设。
恢复访问权限重振了这一伙伴关系，但并未抹去这一先例。华盛顿已经表明，当其优先事项发生变化时，它可以中断前沿模型的流动。
这次逆转暴露出一场围绕国家控制权的较量
核心冲突在于盟友安全合作与美国对先进美国技术的控制权之间。
特朗普政府此前的立场将尚未发布的前沿模型视为战略资产。按照这一逻辑，即便接收方是亲密盟友，外国访问权限也应在美国安全审查后才予以提供。
这一立场具有可以理解的国家安全理由。先进模型能够加速网络行动、支持敏感研究，并暴露机密评估方法。
向另一国政府共享模型会增加额外的技术和制度访问节点。每一个节点都带来泄密、间谍活动或未经授权使用的风险。
然而，严格的国家审批门槛也会带来代价。它可能延迟独立测试，并将权力集中在单一政府内部。
它还可能削弱美国此前帮助建立的国际评估网络。共享测试使不同团队能够比较方法并发现盲点。
英国拥有美国审查人员未必能够复制的能力。其研究所已建立专业团队，并与多家领先实验室形成关系。
英国研究人员也可能带着不同的假设开展测试。当独立机构不会复制相同的优先事项与激励机制时，它们就更有价值。
白宫政策一度使 OpenAI 和 Anthropic 陷入两难境地。两家公司都在美国开展业务，并且在很大程度上受到美国政府决策的影响。
违抗联邦要求可能危及合同、监管关系或未来政府项目的准入；遵从要求则可能损害其对外国评估机构作出的承诺。
2026 年早些时候，两家公司都接受了政府对模型分发的非常规介入。在美国当局审查先进网络安全能力期间，OpenAI 和 Anthropic 宣布了受限发布。
OpenAI 当时表示，这种政府访问不应成为长期默认模式。这一表态概括了实验室面临的困境。
公司希望政府信任其最强大的系统，但也抵制一种让官员控制谁能获得这些系统的永久性流程。
因此，这场争端不只是伦敦与华盛顿之间的分歧。它检验的是，前沿 AI 将主要仍是一种商业产品，还是会成为受控的战略技术。
如果战略模式占上风，盟友访问可能取决于外交许可。测试协议将持续容易受到政府更迭和安全事件的影响。
如果合作模式占上风，受信任的外国评估人员将在共同保障措施下获得早期访问权限。各国政府将以一定程度的控制权让渡来换取更广泛的专业能力。
新决定倾向于合作，但只是暂时的。没有任何公开说明的条约能保证英国获得每一个重要模型的访问权限。
据报道，这一政策逆转似乎源于政治层面的协调，而非具有约束力的制度规则。这意味着未来的争议仍可能重新引发同一问题。
英国也面临一种令人不安的依赖关系。它希望塑造全球 AI 安全治理，但大多数前沿系统仍由外国公司控制。
Google DeepMind 与英国渊源深厚，但它隶属于总部位于美国的 Alphabet。OpenAI 和 Anthropic 同样是受到美国政治压力影响的美国公司。
英国可以在不掌控所评估技术的情况下建立评估专长。这种失衡限制了科学权威能够转化为监管权力的程度。
恢复后的安排使伦敦能够通过准入和专业能力获得影响力。华盛顿仍通过公司管辖权和国家安全政策掌握更大的筹码。
对于开发者和企业买家而言，这一区别并不抽象。政府管制可能决定哪些模型能够进入特定地区、合作伙伴网络或研究团队。
模型可能在技术上已经准备就绪，却因政治原因无法获得使用。产品路线图因此可能取决于客户无法预测的外交决策。
安全测试仍有严格局限
恢复准入改善了监督，但并不能证明任何模型是安全的，也不能证明开发者会根据每一项发现采取行动。
评估是在选定条件下测试选定行为。它们无法复现每一种环境、用户目标、软件连接方式或攻击策略。
模型可能在结构化测试中表现安全，但在与电子邮件、代码仓库、云系统或支付工具集成后表现不同。
智能体系统让这一问题变得更困难。其风险往往会在较长的行动序列中显现，而非出现在单次回复中。
模型可能先采取数个看似无害的步骤，才会导致危险结果。简短的基准测试可能错过这一演变过程。
研究人员还必须区分能力与现实世界风险。在实验室中完成网络任务的模型，并不自动意味着会造成广泛威胁。
实际危害取决于访问权限、用户意图、部署设计、防护措施以及其他工具的可用性。防御者也可以利用同样的能力定位漏洞。
英国政府表示，前沿 AI 已支持防御性项目，识别并处理了超过 1,000 个漏洞。这为该技术的双重用途提供了一个具体例证。
同一类模型既能帮助保护公共系统，也能帮助攻击者寻找薄弱环节。评估必须同时审视能力与运行环境。
透明度带来了另一个尚未解决的问题。政府无法公布每一项测试，因为详细结果可能暴露漏洞或危险方法。
公司也将模型信息作为知识产权加以保护。这些限制可能使公众无法判断测试是否改变了产品发布决策。
AISI 可以表示其审查过某个模型，却不披露最重要的发现。开发者随后可以宣布采取了防护措施，而不透露这些措施的缘由。
这种保密可能是必要的，但它限制了问责。外部研究人员并不总能复现相关工作，或核实问题是否已得到修复。
也没有公开保证表明，英国的负面评估会阻止产品发布。AISI 可以提供证据和建议，但公司仍保有相当大的部署决定权。
该机构自身的历史说明了这种张力。它曾测试重要系统，并开发出受到尊重的技术方法。
不过，公众很少能看到将某项具体发现与某个具体产品变更联系起来的完整记录。保密性可以解释部分缺口，却无法消除其政策后果。
更深层的限制在于自愿性。如果实验室自行决定提供哪些快照版本，评估者可能无法获得最相关的版本。
他们也可能在太晚时才获得准入，无法进行广泛测试。发布节奏很快，尤其是在竞争对手正准备推出竞品时。
商业压力可能压缩审查可用的时间。没有公司希望外部流程造成无限期的竞争劣势。
政府压力也可能从另一个方向产生同样效果。官员可能会优先考虑国家安全限制，而不是广泛的技术审查。
此前的美国准入门槛显示，这些力量如何可能相互叠加。公司一边面对政府指令，一边为竞争性市场准备产品。
恢复英国 AI 模型测试减少了一项即时限制。但它并未解决由谁决定评估何时足够充分的问题。
因此，读者应避免得出两个夸张的结论。第一种是，独立测试能够阻止每一次危险发布。
第二种是，由于测试无法保证安全，它就几乎没有价值。这两种说法都误解了评估能够实现什么。
良好的测试能够识别能力、揭示防护措施失效，并支持作出更好的部署决策。它能减少不确定性，但无法消除不确定性。
最强的体系会结合早期准入、独立方法、发布后监测和清晰的事件报告。它还应明确说明，评估者发现严重问题时会发生什么。
英国新的网络安全提案指向更广泛的事件准备机制。缺失的一环是技术发现与可强制执行的发布决策之间持久的联系。
OpenAI、Anthropic 和 Google 面临相互竞争的要求
前沿实验室如今必须在不失去对敏感系统控制权的前提下，满足商业客户、各国政府和外部评估者的要求。
OpenAI、Anthropic 和 Google DeepMind 都有理由支持独立测试。外部评估能够发现内部团队遗漏的问题。
它也可以让企业客户更有信心。组织希望看到证据，证明高能力模型在进入关键工作流程前已受到审查。
与政府合作能够增强实验室在国防、情报和受监管行业中的可信度。这些关系也可能提供获得专业测试能力的机会。
然而，每增加一名评估者，协调成本都会上升。公司必须准备安全准入、回答技术问题，并调查被报告的失效情况。
它们还面临延误或泄露风险。尚未发布的模型可能包含商业敏感方法，以及涉及国家安全的能力。
这使准入设计与准入本身同样重要。实验室可以提供接口，而不共享模型权重或内部代码。
它可以限制工具、监控会话，并隔离评估环境。每一项保护都可能降低安全风险，但也可能限制评估者能够观察到的内容。
三家公司面临的激励并不完全相同。Anthropic 将安全置于其公开形象的核心，同时在先进模型领域积极竞争。
OpenAI 需要平衡消费级产品、企业服务、开发者平台和政府关系。一次重大发布的延迟可能影响广泛的客户网络。
Google DeepMind 所在的公司控制着全球云服务、生产力工具、移动端和广告平台。其部署环境不同于独立实验室。
这些差异很重要，因为没有一种评估协议适用于每个模型。网络安全系统可能需要不同于通用助手的控制措施。
这些公司也在发布时机上竞争。如果一家实验室接受更长的外部审查，竞争对手就可以通过率先发布来赢得关注和客户。
可信的评估体系必须防止安全合作演变成竞争劣势。共同预期可以有所帮助，但前提是领先开发者始终一致地遵循它们。
这也是政府协调重要的一个原因。共同流程可以降低某家公司承担比竞争对手更严格义务的可能性。
然而，美国的做法带来了另一种不对称。美国审查优先进行，而英国的准入变成了有条件的。
这一逆转目前取消了这一顺序。英国和美国团队将同时、独立还是通过联合演练测试模型，仍不清楚。
这种差异会影响速度和独立性。联合审查可以减少重复，但可能助长共同的盲点。
独立审查可以产生更多样的发现，但需要额外的准入和时间。它们也可能引发对风险的分歧。
开发者可能更倾向于单一的协调流程。维护公共利益的研究人员可能更看重多项独立评估。
这正是外交措辞背后的实际权衡。高效监督与独立监督并不总是同一回事。
实验室将通过行为展现其偏好。它们下一次重大产品发布将显示准入何时开始，以及评估者能获得多少细节。
公开文件将提供另一个信号。模型报告可以确认外部测试，并说明发现是否改变了防护措施或部署限制。
沉默同样会传递信息。如果公司点名评估者却不描述其影响力，该安排可能更像是一种保证，而非问责。
三个信号将显示这一逆转能否持续
下一项考验不是又一次政府公告，而是恢复的准入能否经受住下一次敏感模型发布。
第一个信号是下一套重大 OpenAI、Anthropic 或 Google DeepMind 系统在发布前的准入情况。公开模型文档应在部署前明确 AISI 的参与。
这些证据将表明，这一逆转改变了实际操作。对未来合作的模糊承诺只能提供弱得多的确认。
时机与参与同样重要。在发布前几天才获得准入，可能无法支持深入测试或有意义的补救措施。
第二个信号是英国和美国审查之间的关系。早前报道称，在美国框架下，某些先进封闭模型将接受 30-day review。
如果英国研究人员在这一期间开展工作，两国政府就恢复了并行合作。如果他们必须等到其后，原有的层级关系仍部分存在。
官员应澄清，美国批准要求是否已被取消，还是仅仅加快了。当前报道支持政策逆转，但公开的程序细节仍然有限。
第三个信号是评估改变部署方式的证据。关注是否出现能力延后推出、更强的防护措施、更窄的访问范围，或公开的补救摘要。
一项发现不必阻止整个发布才具有意义。开发者可以限制工具、调整监控，或暂不提供某项高风险功能。
缺少可见变更并不能证明测试失败。一些改进会保持保密，其他模型也可能在没有重大干预的情况下通过评估。
不过，一个从不产生可观察后果的体系将面临可信度问题。政策制定者和用户需要看到早期准入为何能改变结果的实例。
发布后的事件报告将同样重要。一些风险只有在模型与真实用户、组织和软件环境交互时才会出现。
英国计划开展的严重 AI 事件工作可以补充发布前评估。它应在实验室测试和真实部署之间建立反馈机制。
对于企业买家而言，实际应对方式是提出更好的问题。外部评估者测试了哪个模型版本，它与已部署服务的匹配程度如何？
买家还应询问评估者获得了哪些准入、审查了哪些风险领域，以及提供商之后是否作出任何改变。
在这些系统上进行开发的开发者，应持续关注模型卡、政府调查结果以及工具权限的变化。即使基础模型更安全，若被置于控制不当的应用中，仍可能带来风险。
知识工作者也应留意，因为访问政策会影响产品的可用性和行为。政府审查可能导致某项功能延期推出，或仅限获批用户使用。
英国的 AI 模型测试机制已在发布前回归，但这一事件留下了长期警示。前沿模型的访问权不再只是研究人员与实验室之间的技术性安排。
它是一项受政府、联盟与竞争塑造的战略决策。下一款重要模型将揭示，英国是否重新获得了稳定地位，抑或只是争取到了一次临时例外。
在采用该模型前，应询问：发布前进行了哪些独立测试，以及这些测试带来了哪些改变。答案比又一次安全承诺更能说明问题。
