据报道，白宫 AI 审查框架豁免开放模型

尽管针对开放模型的警告日益增多，白宫仍为先进 AI 监管划出了一条新界线。经由 Google News 流传的报道称，其正在形成的审查框架在评估部分封闭式前沿系统的同时，将开放权重发布排除在外。

这一区别的重要性超过了扩大 AI 审查范围这一宽泛承诺。政府正在建立一套自愿参与、保密的流程，可让联邦评估人员提前访问被覆盖的模型。然而，据报道，目前的标准将可下载的模型权重排除在该流程之外。

结果形成了一种不同寻常的政策分化。OpenAI、Anthropic 和 Google 等封闭模型开发者可能面临发布前审查。包括 Meta 和 Nvidia 在内的开放模型支持者，则保留了更大的自由度，可以分发供用户下载、修改和独立部署的权重。

这并非一项已经定案的监管规定。行政命令明确拒绝强制许可或政府预先审批。相关操作框架也尚未公布，使企业和外部研究人员只能依赖私下简报和有消息来源的报道。

因此，这项政策带来的是一种权衡，而非一套全面的安全制度。华盛顿希望了解领先封闭系统的网络能力，同时又不减缓开放式开发。该界线是否反映技术现实，如今成为核心问题。

白宫 AI 框架实际改变了什么

政府正在为部分前沿模型建立自愿安全审查，而非针对 AI 发布的普遍审批制度。

唐纳德·特朗普总统于 2026 年 6 月 2 日签署了第 14409 号行政命令。该命令要求联邦机构制定一项保密基准，用于识别具备先进网络能力并涉及国家安全影响的模型。

被覆盖的前沿模型，是指达到该流程所确立的保密能力门槛的 AI 系统。该命令将认定决定交由国家安全局局长负责，并与多名白宫及安全官员协作。

参与的开发者可以在与其他可信合作伙伴共享模型之前，向政府提供对被覆盖模型最长 30 天的访问权限。官员和开发者还可合作选择获得受控提前访问权限的组织。

该流程为自愿性质。行政命令称，其不授权对 AI 模型的开发或发布实施强制许可、预先审批或许可程序。

这一限制使该政策有别于传统审批制度。政府可以邀请合作并影响访问安排，但已公布的命令并未赋予官员通过许可权阻止私营机构发布模型的权力。

在 8 月 4 日白宫与主要 AI 公司的会议期间，该框架的实际范围变得更清晰。Axios 报道称，官员提出了一一定义，覆盖与国家安全风险相关的闭源、最先进模型。

根据该报道，开源和开放权重系统将继续不受该审查框架约束。开放权重模型会提供其学习到的参数供下载，即使其训练数据或开发代码仍属私有。

这一区别在公共讨论中常被模糊化。模型可以公开其权重，却未必满足与开源软件相关的每一项要求。然而，可下载的权重仍然赋予用户远超托管聊天机器人或受限应用程序接口的控制力。

Google News 的报道可能让该政策看起来像是联邦 AI 监管的扩张。更重要的变化其实更为狭窄。华盛顿正在正式化对特定专有系统的提前访问，同时据报道，根据其发布模式部分设立豁免。

政府尚未公布操作规则、模型门槛或评估程序。行政命令要求网络安全基准保持保密，不过官员可以与开发者和研究人员分享相关评估。

这种保密具有可以理解的国家安全理由。公布详细的网络测试可能暴露情报机构关切的能力，或帮助开发者针对基准优化模型。

但这也限制了外部问责。研究人员无法判断该门槛是否涵盖最危险的系统、企业是否得到一致对待，或某项豁免是否基于证据而非政治妥协。

政府的官方情况说明书将该框架描述为支持安全创新的伙伴关系。它将模型审查与政府系统、关键基础设施、医院、银行和地方公用事业的网络防御联系起来。

这些应用场景赋予政策防御性目的。先进模型可以帮助在犯罪分子利用软件漏洞之前发现它们。它们也可能提高进攻性网络行动的速度或可及性。

第一层紧张关系由此显现。该框架聚焦于开发者在审查期间能够维持访问控制的模型。面向即时公开发布设计的模型则构成不同问题，因为权重一旦发布便无法召回。

为什么 Google News 报道指向开放模型豁免

据报道的豁免是一项偏向开放分发的政策选择，而非证明可下载模型不存在严重风险的证据。

多篇报道将白宫框架描述为不对开放模型进行自愿发布前测试。Axios 报道称，官员向领先开发者的代表进行简报，并围绕封闭系统界定被覆盖的前沿模型。

据报道的边界与本届政府对开放 AI 开发的更广泛支持相一致。2025 年AI Action Plan称，开发者通常应自行决定通过开放或封闭渠道发布模型。

该计划将开放权重 AI 视为创新、学术访问和美国影响力的来源。它也承认，当公开可用的系统造成国家安全担忧时，政府可能需要采取新的方法。

8 月的框架似乎暂时选择以开放性来化解这一张力。它要求封闭开发者提供受控访问，同时避免对权重一旦公开便难以执行的审查流程。

这一做法降低了 Meta 和其他开放模型开发者面临的即时合规压力。它也有利于围绕可下载模型构建产品的云服务商、芯片公司、初创企业和研究人员。

支持者认为，广泛访问能够分散防御能力。安全团队可以检查模型、使其适应本地系统，并在不将敏感数据传输给远程提供商的情况下运行它们。

Nvidia 高管 Justin Boitano 对 Axios 表示，开放式开发会带来更强的防御能力。据开放模型报道，CEO 黄仁勋还曾敦促政策制定者避免基于推测性风险施加限制。

这一立场背后还有经济层面的论据。开放权重减少了对单一模型提供商的依赖，并让企业能够自行选择托管、定制和安全安排。

政府同样重视运营控制。拥有模型权重的机构可以在自身基础设施内运行系统，而无需依赖供应商的服务、政策或持续可用性。

相反的论点始于不可逆性。托管模型可以获得更新后的安全护栏、更严格的使用限制或紧急限制。公开发布的权重则可以被复制和修改，超出原始开发者的控制。

这并不意味着每个开放模型都很危险。能力差异极大，许多公开模型无法执行国家安全官员所担忧的高级网络任务。

然而，若主要按发布方式界定风险，就可能忽视具备强大能力的系统。拥有先进进攻技能的可下载模型，并不会仅因其架构支持独立部署就变得更安全。

Google News 的结果也揭示了标题措辞与已验证政策之间的重要差距。已公布的命令从未确立全面的开放模型豁免。该细节来自对私下会议以及熟悉框架草案人士的描述。

因此，读者应区分三个确定性层级。行政命令及其 30 天自愿机制是公开的。保密基准依照总统指令存在。具体的开放模型排除仍属报道内容，尚未正式公布。

这一区别很重要，因为框架可能发生变化。随着开放模型能力提升，官员可能修订其定义，或为面向公开分发的系统建立单独流程。

目前，该豁免反映了本届政府试图避免将开放式开发视为受许可活动的做法。它也将更多责任转移给模型开发者、分发者、基础设施提供商和下游用户。

这一决定造成监管不对称。封闭实验室能够保留安全护栏并监控使用情况，却面临提前的联邦审查。开放开发者在发布后放弃了大量这类控制权，却据报道避免了同等审查。

这种不对称正是该政策的核心倒置。最容易保持限制的模型受到最结构化的监管。那些发布后最难遏制的模型则留在监管之外。

封闭 AI 实验室面临另一种压力

该框架将最重的运营负担施加在将最强大系统置于集中控制之下的公司身上。

OpenAI、Anthropic 和 Google 的大部分商业战略都围绕托管模型建立。客户通过受管理的产品或受控接口访问这些系统，而非下载底层权重。

这种安排让开发者能够监控使用模式、执行政策并更新安全护栏。它也让开发者掌握部署时机以及对未发布能力的访问控制。

白宫框架将这种控制转化为政府审查的机会。封闭开发者可以在不向公众分发系统的情况下，提供一个安全的模型环境，最长可达 30 天。

这一流程仍会带来商业风险。发布前访问会引入保密担忧、内部威胁、时间安排的不确定性，以及哪些外部组织符合可信合作伙伴资格的问题。

行政命令指示各机构处理知识产权、网络安全、保密协议和内部风险保护问题。它没有说明如何解决围绕这些保护措施的分歧。

政府称参与仍属自愿。然而，承接联邦合同或寻求与国家安全机构保持良好关系的公司，可能会发现很难忽视一项官方请求。

正式选择与实际压力之间的差距值得关注。自愿性机制即使不施加法律强制，也能塑造行为，尤其是在联邦采购和安全准入具有重要商业价值的情况下。

据报道，在官员完成该框架期间，政府曾要求 OpenAI 限制一款近期先进模型的访问。随后，一名白宫官员表示，私营企业发布系统无需获得政府批准。

这两种说法可以同时成立。政府可以请求企业保持克制，却不一定拥有在该框架下下令的权力。

当受信任伙伴进入流程时，这种紧张关系会更加突出。允许经过挑选的防御方在模型发布前进行审查，或许能改善对新兴网络威胁的准备。

但这同样可能影响竞争。早期访问可带来其他研究人员、初创企业或安全厂商无法获得的技术知识和产品机会。

该行政命令称，开发者和政府将合作选择受信任伙伴。但它没有为这些选择提供公开的资格标准、申诉程序或披露要求。

这种不透明可能会偏向与联邦政府已有稳定关系的机构。规模较小的安全团队或许具备宝贵专业能力，却缺乏加入保密评估流程所需的体制性联系。

该框架还可能奖励发布形式，而非实际的安全实践。维持集中式防护措施的公司会因审查在运营上可行而受到监督；发布类似权重的开发者则可能因更难实施遏制而避开审查。

封闭实验室并非监管下中立的受害者。它们的安全论点可以支持合理的谨慎，同时也保护了建立在受控访问基础上的商业模式。

对开放 AI 限制的批评者经常指出这种激励。如果政府政策使可下载的竞争产品更难分发，处于主导地位的封闭供应商将获得更强的市场地位。

当前框架通过豁免开放模型避免了这一结果。但这样一来，又产生了相反的担忧：封闭供应商面临开放竞争对手无需承担的义务。

因此，行业争论不能被简化为负责任的公司与鲁莽的公司之间的对立。双方都兼具真实的安全论据与商业激励。

封闭开发者可以修补安全防护并终止有害账户，但其集中式系统也集中了影响力。开放模型扩大了访问和审查范围，但下游参与者可以永久移除限制。

对企业采购方而言，这一区别会影响采购决策。使用封闭供应商的组织或许能从政府测试中获得一定保障，尽管基准和结果仍属机密。

部署开放权重的组织必须自行完成更多评估工作。它们掌控基础设施，但也承担配置、监控和防止滥用的责任。

这一负担对构建内部 AI 工作流的公司尤其重要。团队需要保存模型版本、评估结果、部署决策和政策变更的记录。可搜索的 AI 知识库有助于保留这些运营背景。

联邦审查不能替代企业尽职调查。它在保密流程下评估国家安全能力，而不是企业面临的每一项隐私、可靠性或合规风险。

真正的取舍是开放与遏制

开放权重提升了可访问性和独立审查，但削弱了发布后干预所需的集中控制。

白宫的区分建立在两种相互竞争的价值之上。开放分发支持研究、定制、竞争和技术扩散。受控分发则支持监控、更新与遏制。

任何一种价值都不会自动带来安全。封闭系统可能向外部研究人员隐藏缺陷，也可能将危险能力集中在少数公司手中。

开放系统可以吸引广泛测试并快速推动防御改进。同样的访问也让恶意用户能够移除防护，或针对有害任务优化模型。

安全后果取决于能力，而不只是标签。一个小型可下载模型与具备高级网络能力的前沿系统并不会带来同样的威胁。

然而，据报道，该框架仍从对开放和封闭模型的分类区分开始。这让管理更容易，却可能随着能力扩散而过时。

Google DeepMind CEO Demis Hassabis 曾警告，严重的网络、生物和核能力最终可能出现在超出政府控制范围的开放模型中。他的观点支持在权重成为不可逆的公共产物之前，根据模型能够做什么来进行测试。

开放模型倡导者回应称，限制可能压制防御性工作，并让能力集中在主导性公司手中。独立研究人员需要访问权限，以复现发现、找出弱点并构建替代方案。

两种担忧都值得得到超越二元政策的回应。能力门槛、分阶段发布、标准化评估、基础设施控制和披露规则，可以应对风险的不同部分。

分阶段发布可以先向经过审核的研究人员提供权重，再在测试后扩大访问范围。不过，这一模式仍会引发谁来选择参与者、限制应持续多久的问题。

基础设施供应商可以监控异常计算活动，或限制明显违法的用途。这些控制无法覆盖每一次本地部署，如果设计得过于宽泛，还可能威胁隐私。

模型文档可以披露能力、局限性、训练决策和评估结果。文档能够提升问责性，但无法阻止他人修改已发布的权重。

水印和使用政策面临类似限制。它们可以影响负责任的部署者，却几乎无法防范故意移除防护的行为者。

白宫的保密基准或许能够识别这些措施何时变得必要的能力门槛。然而，公众无法判断该基准是否涵盖开放模型，还是仅用于决定哪些封闭系统进入审查。

Axios 对该框架的报道称，当前定义聚焦于具备最先进能力并存在国家安全风险的闭源系统。报道称，官员们也不计划公开该框架。

这种保密性使得检验政府的推理变得困难。排除开放模型，可能反映法律顾虑、技术限制、政策偏好，或与行业的谈判。

也可能同时反映这四项因素。政府根据该命令无权施加发布许可要求。评估公开分发的权重，与在保密条件下审查托管模型，需要不同的工作流程。

关键问题不在于开放 AI 是好是坏，而在于该框架是否在分发变得不可逆之前，将义务与可衡量风险相联系。

基于风险的体系会考察能力、部署规模、访问控制，以及开发者在发布后作出响应的能力。发布形式仍然相关，但不会成为唯一的分界线。

这样的体系仍面临艰难的测量问题。模型评估可能产生不稳定结果，开发者也可以专门训练系统，使其在已知测试中表现良好。

网络能力还会通过工具、微调和脚手架发生变化。脚手架是让模型能够规划、使用外部工具并重复执行操作的软件层。

一个在基础测试中看似能力有限的模型，接入编程环境或漏洞数据库后可能变得更强。仅关注基础模型的框架可能低估部署风险。

相反的问题也存在。基准可能识别出一种在日常使用中仍不可靠的理论能力。将每次基准成功都视为实际威胁，可能导致过度限制。

因此，该框架必须避免两种过度宣称。通过保密的政府审查，并不能证明模型安全；不在该流程之内，也不能证明它无害。

正是在这里，开放模型豁免遭到了最强烈的批评。Americans for Responsible Innovation 表示，向一小群人分享一份未公开框架，会留下有关联邦如何评估先进模型的重大疑问。

这一担忧既涉及程序，也涉及技术。外部专家无法审计门槛、比较不同开发者受到的对待，或确定规则是否会因行业压力而改变。

政府官员可以合理保护机密威胁信息。但他们仍可以公开治理细节，例如资格条件、监督责任、利益冲突规则和汇总结果。

缺少这些细节，政策便高度依赖信任。对于一个影响国家安全及最大 AI 公司之间竞争的流程而言，这是一种脆弱的基础。

当 Google 新闻周期淡去后，值得关注什么

三个信号将显示，该框架究竟会成为有意义的监督机制，还是仍只是与少数封闭模型开发者达成的狭窄协议。

第一个信号是对开放模型边界的公开说明。官员无需披露保密的网络基准，但可以澄清该排除是绝对的、暂时的，还是取决于能力。

绝对豁免将强化一种观点，即政府优先考虑开放分发，而非一致的风险处理。暂时豁免则表明，官员正在为可下载系统设计另一套方法。

措辞至关重要。“开源”和“开放权重”并非可以互换的概念，将二者视为相同的政策可能产生漏洞。

开发者可能发布权重，却不公开重要技术信息。将这种发布称为开源，可能使它看起来比实际更透明。

第二个信号是，在下一次重大封闭模型发布期间，30 天流程如何运作。关注开发者是否提供访问、发布是否延迟，以及受信任伙伴是否获得有意义的准备时间。

参与将表明，这一自愿框架具有实际影响力。普遍拒绝则会暴露一项明确否认许可权力的命令所存在的局限。

任何围绕早期访问的争议，也会揭示权力平衡。公司必须保护知识产权并防止泄露，而联邦评估人员则需要足够的访问权限，以测试真实能力。

Associated Press 对该六月命令的报道指出，模型资格和受信任伙伴仍存在不确定性。当重大发布进入流程时，这些未解决的问题将变得具体。

读者不应将正常的发布时间表理解为未发生审查的证据。开发者可以提供接近最终版本的模型，同时在评估期间继续推进产品工作。

相反，延迟也不必然证明官员发现了危险。商业准备度、基础设施能力和产品决策都可能影响时间安排。

第三个信号是，政府如何对待来自美国和中国开发者、能力日益增强的开放模型。政府支持开放 AI，同时也表达了对知识产权、蒸馏和外国安全风险的担忧。

蒸馏是一种训练方法，即一个模型从另一个模型的输出中学习。它可以更高效地扩散能力，但若要指控存在不当复制，仍需提供有关访问权限和行为的证据。

如果某个开放模型达到保密网络安全门槛，政府将面临直接考验。它必须扩大审查范围、为豁免辩护，或依赖模型框架之外的控制措施。

扩大审查将削弱当前开放与封闭模型之间的区分，并强化以能力为基础的监管。继续排除开放模型，则将确认维持开放分发仍是更高优先级。

外国模型带来了另一层复杂性。白宫的自愿流程对寻求联邦合作关系的美国公司影响更大，对在全球范围内分发权重的海外开发者则影响有限。

出口管制、制裁、基础设施限制和采购规则可能成为替代工具。与自愿模型审查相比，它们各自都会带来更广泛的经济和外交影响。

开发者还应关注联邦机构是否发布汇总结果。即使是有限披露，也可能帮助更广泛的安全社区了解哪些能力类别正在进步。

企业采购方应询问供应商其模型是否接受过联邦审查，但不应将参与该流程视为通用认证。该框架服务于一项特定的国家安全任务。

开放模型的采用者需要制定自己的评估计划。他们应记录所使用的确切权重，测试相关能力，限制不必要的工具，并维护事件响应流程。

知识工作者面临的影响虽不那么直接，但仍具有重要意义。政策选择将决定哪些模型可以在本地运行、哪些服务需要受控访问，以及新能力进入办公软件的速度。

同样的选择也会影响隐私。本地开放模型可以将敏感信息保留在组织自身的基础设施内。托管系统则可能提供更强的集中式监控和更快的安全更新。

没有一种部署模式适合所有组织。正确的选择取决于数据敏感性、内部专业能力、所需能力，以及对运营责任的承受程度。

因此，关注 Google News 的团队不应只盯着下一条政策头条。更持久的主线是：政府正尝试通过自愿接入、保密测试以及与特定开发者的关系来治理 AI。

这种方式可能比立法推进得更快，但其透明度也可能更低，程序性保障也更弱。

接下来的发布将显示，公司是否会将该框架视为严肃的检查点。对具备能力的开放权重的处理方式，则将表明华盛顿能否捍卫其核心区分。

对读者而言，实际问题很直接：政府是根据模型可衡量的风险进行评估，还是根据模型能否方便地纳入审查流程进行评估？

答案将塑造竞争、安全研究以及获得先进 AI 的途径。请继续关注该框架的适用范围、下一次前沿模型发布，以及第一个检验其假设的开放模型。