美国再次批准英国开展 AI 模型测试，但政策逆转仍留下关键疑问

据报道，美国已批准英国继续开展 AI 模型测试，撤回了近期限制英国获取尚未发布的美国系统的举措。这一转变让包括 OpenAI 和 Anthropic 在内的公司拥有更大空间，可在公开发布前向 UK AI Security Institute 提供模型。

这一逆转之所以重要，是因为发布前访问是英国自愿测试体系的基础。如果评估人员只能在模型部署后获得它们，测试结果就无法为安全措施、发布条件或政府早期风险评估提供参考。

该决定也暴露出更深层的矛盾。华盛顿希望由美国掌控涉及安全敏感性的 AI 评估，而英国已建立起全球经验最丰富的政府测试团队之一。眼下的争议似乎已经解决，但两国政府均未公开说明新的边界在哪里。

英国 AI 模型测试发生了什么变化

据报道，这项政策调整恢复了许可，但并未确立永久性的访问权。

10 月 11 日，Reuters 报道称，特朗普政府已撤回一项要求：该要求曾劝阻美国 AI 开发商与英国评估人员分享尚未发布的模型。该报道援引 Telegraph，同时指出 White House、OpenAI 和 Anthropic 当时均未立即置评。

根据修订后的立场，提供早期访问权限不会让开发商与美国政府发生冲突。这消除了同时与两国政府合作的公司所面临的直接政治障碍。

这一变化似乎撤销了由 Office of the National Cyber Director 传达的限制。据报道，先前的要求曾敦促开发商将新模型留在美国境内，直至美国官员完成审查。

这项限制给 OpenAI 和 Anthropic 带来了不同寻常的问题。两家公司此前均根据自愿协议向英国评估人员提供未发布的模型。遵从美国方面的要求，将会中断一项既有做法，却不一定正式终止更广泛的政府合作关系。

Reuters 后续报道给出了最明确的实践层面确认。英国 AI 大臣 Kanishka Narayan 于 10 月 12 日表示，英国研究所能够访问先进模型，并正与美国政府及主要开发商合作。

这一表态支持了 Telegraph 的核心报道。不过，它并未披露哪些模型可供访问、早期访问会提前多久开始，或该许可是否自动适用于每一次重大发布。

这一区别很重要。企业可自由合作的政治保证，并不等同于可执行的访问协议。开发商仍可决定提交哪些系统、评估人员何时获得模型，以及访问时附带哪些信息。

英国研究所将部署前测试描述为其核心工作的一部分。其评估人员会审查先进模型是否可能支持复杂网络攻击、生物领域滥用、欺骗行为，或绕过安全措施的尝试等活动。

这些评估并不像产品认证那样运作。该研究所不会颁发一枚宣布系统安全的通用印章。它会开展针对性测试，与开发商和政策制定者分享结果，并研究安全措施在对抗性压力下是否仍能有效。

因此，据报道的政策逆转恢复的是一个流程，而非一道监管审批关卡。除非适用其他法律、合同或政府要求，否则美国开发商仍须自行对发布决策负责。

Reuters 还将这一变化描述为美国对国际 AI 安全工作采取更温和立场的证据。这种解读具有合理性，但公开证据支持一个更有限的结论：华盛顿显然移除了英国测试的一项障碍，同时保留了其自身以安全为重点的评估议程。

当前这次政策逆转意义重大，因为这场中断虽然短暂，却颇具启示性。英国能否获得访问权限，不仅取决于其技术专长，也取决于华盛顿以及少数美国科技公司的决策。

美国和英国为联合测试建立了这一合作关系

这次逆转重启的是两国政府于 2024 年建立的框架，而不是从零开始开辟一条新渠道。

美国和英国于 2024 年 4 月签署了一份 AI 安全合作备忘录。该协议提出开展共享研究、采用兼容的评估方法、进行人员交流，并至少对一款公开可用的模型开展联合测试。

最初的合作围绕两国的 AI Safety Institutes 展开。美国机构后来改组为 Center for AI Standards and Innovation，即 CAISI。英国则于 2025 年 2 月将其机构更名为 AI Security Institute。

这些名称变化反映了不同的政治重点。英国日益强调对国家安全和公共安全的威胁。特朗普政府则将 CAISI 定位于标准、创新和安全，而非广义的 AI 安全监管定义。

不过，底层的测试合作关系仍在延续。US Department of Commerce 表示，CAISI 与英国研究所已签署协议，以深化在 AI 相关项目和安全领域的合作。

2024 年的测试备忘录刻意设定为不具约束力。它描述了两家研究所拟开展的工作，但并未强制实验室交出模型或推迟发布。

这种自愿设计让早期合作更容易展开。各国政府无需先通过细致的立法，便可发展评估方法。企业则可在为每个模型协商访问条件的同时参与合作。

但它也使合作关系变得脆弱。一届政府的一项政策指令，就可能在不废除法律、不公开终止条约的情况下中断访问。

Anthropic 记录了该体系在最新争议前的运作方式。该公司表示，它曾与美国和英国评估人员就威胁模型、安全措施、部署监测和快速响应能力开展合作。

Anthropic 还在 2024 年发布前向英国研究所提供了 Claude 3.5 Sonnet。英国评估人员对其进行了测试，并依据双边安排与美国同行分享结果。

这一案例说明了最新逆转为何重要。英国获得的并不只是公开模型后重复进行基准测试的机会，而是在开发商仍可于发布前调整安全措施的阶段获得访问权限。

根据英国政府声明，OpenAI 也曾与两家研究所合作。近期合作包括访问非公开工具和有关安全措施的信息，而不仅仅是发布后消费者可使用的界面。

英国研究所表示，这类访问有助于评估人员了解系统在严格安全测试下的表现，也让政府研究人员能够检验普通用户无法看到的防护措施。

在其公开发布的工作中，该研究所将模型评估描述为自动化测试与专家红队测试的结合。红队会有意探查系统是否具备危险能力，或是否存在规避控制的方法。

该流程可涵盖网络行动、化学和生物风险、犯罪协助、自主行为以及模型欺骗。每个领域都需要专门任务，而非单一的通用安全评分。

这种深度有助于解释英国为何对华盛顿具有价值。建立可信的评估团队需要技术人才、安全基础设施，以及与实验室之间受信任的关系。这些能力无法在政治优先事项改变时迅速复制。

最初的合作关系预见到了这一现实。两家研究所计划共享方法和专业知识，而非重复建设所有能力。它们还计划使各自的方法能够互操作，让测试结果可在不同机构间流转。

因此，英国 AI 模型测试成为更广泛跨大西洋研究体系的一部分。限制英国的访问权限，并不只是孤立一名外国监管者，而是会削弱一个美国官员曾协助建立的测试网络。

华盛顿的安全优先事项推动了这次逆转

核心争夺在于美国控制权与盟友评估之间，而非创新与安全之间。

特朗普政府上任时承诺消除美国 AI 发展的障碍。它反对官员认为可能拖慢本土公司、或让外国政府影响美国技术的广泛安全规则。

其 2025 年 AI Action Plan 将全球竞争和美国领导地位置于联邦政策的核心，同时保留了聚焦国家安全的技术评估角色。

该计划指示 CAISI 和国家安全机构持续开展针对与安全相关 AI 能力的测试，强调网络威胁、生物风险，以及可能为政府决策提供参考的评估。

这种组合并不像乍看之下那样矛盾。政府可以反对广泛的监管授权，同时支持范围严格限定的安全测试；也可以倾向于由美国机构进行测试，同时质疑过早向外国提供访问权限。

据报道，对英国评估人员的限制符合这一逻辑。一个尚未发布的前沿模型可能暴露有关能力、弱点、安全措施及未来商业计划的信息。即使接收方是亲密盟友，华盛顿也可能将这些信息视为具有战略敏感性。

美国官员也有兴趣优先查看重要系统。早期访问可让美国机构在研究结果或技术细节流出境外之前，先建立自己的理解。

但要求美国先行审查、英国随后才能访问也会带来成本。它会重复工作、压缩评估时间表，并降低独立团队在部署前发现不同弱点的可能性。

它还可能迫使私营公司作出外交层面的决定。实验室必须判断，与英国合作是否会损害其与 White House 的关系。这种不确定性可能比任何自愿协议的措辞更具影响力。

美国 AI 计划并未要求终止与盟友开展的评估。它认可国际合作，但将美国领导地位置于优先位置。

最新的逆转似乎重新平衡了这些目标。华盛顿可以保留对自身审查的控制权，同时不将英国的访问视为与美国政策天然冲突。

这种妥协服务于美国利益，也服务于英国利益。根据其公开材料，英国研究所拥有逾 100 名技术人员，已开发出专门测试，并积累了与前沿实验室合作的经验。

英国政府在一份 2026 年进展报告中表示，该研究所已测试 30 个前沿模型。报告还提及同行评审研究以及国际测量标准方面的工作。

这些数据并不能证明每一次测试都影响了产品发布。但它们确实表明，英国已建立起一种能力，盟国政府可以直接利用，而不必从头重建。

当评估结果被视为有关新兴能力的情报时，英国的价值就更为清晰。如果某个模型展现出更强的网络能力、更高的自主性，或出现新的安全防护失效，两国政府都能从理解这种变化中受益。

因此，美国的政策转向反映的是一种务实考量。盟国测试可以扩大审查范围，无需设立新的联邦监管机构，也不要求华盛顿自行完成每一项测试。

这项安排仍有局限。政府评估人员依赖企业授予的访问权限。他们无法测试开发者未开放的功能，也不能假定某一个接口代表所有部署配置。

实验室还可能围绕其模型施加严格的安全条件。这些控制措施可能是合理的，因为模型权重、系统提示词和内部安全防护机制都具有商业和国家安全价值。

因此，主要的对立并非美国政府与英国作为国家之间的对立，而是排他性的国家控制原则与可信盟国评估所带来益处之间的对立。

这次转向暂时有利于合作。但它并未解决一个问题：当未来某个模型具备美国认为异常敏感的能力时，华盛顿将如何应对。

提前访问让英国拥有影响力，但不具备监管权力

英国的模式依赖技术公信力和开发者合作，因为该机构无法强制每一家前沿实验室参与。

英国在 2023 年布莱切利园峰会后成立了首个 AI 安全机构。政府希望组建一支内部团队，能够测试先进模型，而非完全依赖其开发者的说法。

这一目标催生了一种独特的治理模式。英国在避开欧盟更具约束性的框架的同时，建立了一个能够直接访问部分未发布系统的政府机构。

该机构表示，它会在系统发布前后测试领先系统，同时研究缓解措施、开发评估工具，并与政策制定者和实验室分享研究结果。

发布前访问赋予这项工作影响力。在发布前提交的发现可以影响安全防护设计、监控措施或部署限制。发布后才得出的发现，主要有助于补救和未来政策制定。

早期测试也能发现开发者内部评估计划中的缺口。外部研究人员可能采用与构建系统的团队不同的威胁场景、激励因素或假设。

Anthropic 表示，这种外部视角有助于挑战其证据标准和部署假设。其 安全防护合作涵盖了与美国和英国评估人员的合作。

不过，不应将这项安排误认为受监管行业中的独立检查。评估人员是在与开发者协商的访问条款下开展工作。公司控制着底层基础设施，并掌握远多于评估者的训练和系统设计信息。

英国此前曾探索寻求访问模型权重，即编码已训练系统所学行为的数值参数。这种级别的访问引发了安全和知识产权方面的担忧。

许多有价值的评估仍可通过受控接口进行。测试人员提交提示词，在获准的情况下连接工具，并观察模型的输出和行动。

接口访问对开发者更安全，但它缩小了评估人员能够审查的范围。研究人员可能无法看到训练数据、内部激活状态或每一层安全防护机制。他们必须根据所提供的访问权限来解读行为。

该机构在公开研究中也承认了其他局限性。测试可能对提示词、任务设计、评分方法以及模型可获得的协助程度较为敏感。

一个系统在某项评估中失败，并不一定意味着它无害。一个系统在实验室条件下成功，也不总会在现实世界中产生同样的结果。

开发者也可以为熟悉的基准测试做准备。模型可能被调校为拒绝可识别的测试，同时仍然容易受到新型攻击。

英国研究人员正在研究“藏拙”，即模型在评估期间有意或间接地表现得低于其真实能力。随着系统变得更具策略性，这种风险说明模型评估会变得多么困难。

对企业而言，这种不确定性意味着，政府测试结果应只是多个信号之一。采购方仍需要针对访问、监控、数据处理、事件响应和人工审核建立控制措施。

部署先进模型的团队应保留可搜索的模型版本、评估、例外情况和事件记录。维护良好的技术知识库有助于审查人员将政策变化与实际部署决策联系起来。

英国的 AI 模型测试之所以重要，是因为它创造了又一个独立证据来源。它并未将责任从开发者、部署方或客户转移给英国政府。

该机构真正的影响力来自专业能力和时机。若其中任何一项消失，英国要求替代方案的法律权力就十分有限。

政策转向并未解决访问问题

最大的未知数不是合作是否已经恢复，而是它能否经受下一次敏感模型发布的考验。

Reuters 报道称，美国立场发生了变化，但最初报道并未附带详细的公开指令。白宫、OpenAI 和 Anthropic 当时均未立即置评。

这留下了若干悬而未决的问题。目前尚不清楚，这项许可是否覆盖所有美国开发者、所有前沿模型，还是仅适用于特定的双边安排。

同样不清楚的是，美国机构是否保留优先审查模型的权利。这样的顺序要求或许能保留英国的访问权，但会缩短公开部署前可用的时间。

技术信息的范围仍是另一个未解问题。访问托管模型可以支持大量测试，但这不同于访问模型权重、内部安全防护机制、训练文档或部署遥测数据。

对于与机密工作、国防合同相关的系统，或在出口和国家安全规则下被视为敏感的能力，也可能存在例外。

这些缺口之所以重要，是因为最近的争议紧随一项证据之后：访问权限本已并不均衡。据报道，英国机构在 Anthropic 的 Mythos 5.1 发布前未获得访问权，而 Anthropic 表示美国以外没有任何组织获得访问权。

与此同时，该机构表示，它仍与前沿开发者保持牢固关系，并在发布前测试过其他主要模型。这表明，相关中断是选择性的，而非全面停摆。

选择性访问会造成评估盲区。英国可能继续测试许多系统，却错过引入最重要能力跃升的模型。

这也使性能声明难以解读。称某个机构拥有发布前访问权，并不能说明它是否审查了最新、能力最强或安全敏感性最高的版本。

英国政府的评估记录显示，其与 OpenAI、Anthropic 及美国官员开展了有实质意义的合作。然而，自愿关系仍取决于信任和政治批准。

第二个担忧是公开发表。政府测试通常涉及敏感细节，若予以公开，可能帮助攻击者或暴露公司的机密信息。

保密性可以促成更深入的访问。但它也可能使外部问责变得更加困难，因为研究人员、客户和立法者无法完整评估测试了什么，或开发者如何回应。

第三个担忧是监管替代。政府可能将自愿评估作为无需正式规则的证据，即使评估人员没有得到保证的访问权或执法权力。

英国已表示，如果自愿合作被证明不足，它可以考虑强制性要求。将这种可能性转化为法律，将引发有关门槛、管辖权、保密性和处罚的复杂问题。

美国总体上一直抵制具有约束力的发布前安全义务。然而，当模型行为影响联邦系统或国家安全利益时，其安全立场变得更加干预主义。

当美国官员要求报告和补救 AI 安全事件时，这一区别变得明显。这类措施比一般性的安全制度更狭窄，但它们表明，不干预并非没有边界。

因此，应谨慎解读当前的政策转向。它恢复了一条外交与技术渠道，却没有解决其底层的政策分歧。

华盛顿仍优先考虑美国控制权和速度。英国仍主张，独立的政府测试是必要的，因为公司无法自行提供全部审查。

只要模型保持可访问、关系保持稳定，这些立场就可以共存。一次重大的网络事件、一项涉及国防敏感性的能力，或一场围绕披露的争议，都可能再次令双方分道扬镳。

三个信号将显示政策是否站得住脚

美英合作的持久性将由访问权、文档和开发者行为来衡量，而不仅仅是外交措辞。

第一个信号是，英国是否会在下一款重要美国模型发布前获得访问权。一次得到确认的部署前评估，将表明这次政策转向改变了实际操作。

时机将与访问权本身同样重要。评估人员需要足够时间来运行测试、调查异常结果、与开发者沟通，并核查拟议的缓解措施。

在发布前不久才提供访问权，可能满足合作的字面要求，却无法带来有意义的影响。数天或数周的测试窗口，将更有力地证明这项安排切实可行。

第二个信号是任一政府作出的书面说明。2024 年备忘录确立了广泛合作，但最近的中断暴露出谁控制发布前访问权的不确定性。

公开澄清应说明，美国审查是否必须优先进行、哪些机构与英国协调，以及哪些类别的模型可以被拒绝提供。

它还应说明，评估结果如何在 CAISI 与英国机构之间流转。如果双方都能运行测试，却无法及时共享结果，评估合作的价值就会下降。

第三个信号是，OpenAI、Anthropic、Google、Microsoft 及其他开发者是否采取一致的访问政策。如果公司作出不同选择，政府许可无法保证合作。

开发者应能够说明其接受哪些类别的外部评估，而无需披露敏感的模型细节。这将使客户和政策制定者能够比较各实验室的承诺。

一致性将强化自愿安排的合理性。反复出现的例外，则会支持英国的观点：某些访问义务需要法律依据。

行业还应关注实验室识别出严重风险时会发生什么。关键考验在于，评估是否会在用户接触模型之前改变安全防护、部署条件或监控措施。

已发布的案例研究可以在不暴露攻击指令的前提下提供证据。它们可以以负责任的细节程度说明风险类别、评估过程以及由此采取的缓解措施。

英国政府的AI progress report称，该研究所已获得大量资金，并测试了数十个前沿模型。这些资源让访问权争议变得更加重要，而非无关紧要。

如果重要模型只在部署后才提供，一个能力出众的研究所便无法实现其使命。反过来，若没有足够的时间、技术深度或影响力，访问权也可能沦为一种形式。

对开发者和企业采购方而言，眼下的启示是：应将政府评估视为分层保障流程的一部分。内部测试、独立评估、部署控制、事件报告和持续监控分别应对不同类型的失效。

采购方应询问：接受评估的是哪个模型版本，测试人员获得了何种访问权限，以及已部署的配置是否与经测试的系统一致。他们还应询问，提供商会以多快速度报告新发现的风险。

据报道，美国的政策逆转使英国 AI 模型测试得以继续纳入跨大西洋安全框架。它也表明，政治指令可以多么迅速地中断自愿提供的访问权限。

下一次重大版本发布将带来最明确的检验。英国评估人员是否足够早地获得访问权，以至于能够产生实际影响？他们的发现是否影响了部署决策？

在各国政府或开发者以可验证的细节回答这些问题之前，这一逆转应被视为恢复了许可，而非一项已经确定的政策。关注 AI 治理的读者应留意访问窗口、书面规则和实验室的实际做法。这些信号将显示，盟友间测试是否已经成为持久的基础设施，还是仍只是一项华盛顿随时可以收回的恩惠。