白宫计划将前沿 AI 监管扩展至开放模型

据报道，尽管 apple techmeme 关键词所暗示的报道范围较窄，白宫计划在数月内扩大其新的 AI 监管框架。根据 WIRED 援引的消息人士说法，开放模型在达到前沿能力后将被纳入这一流程。这一变化将以基于已展示风险的标准，取代基于模型访问方式的区分。

这项据称将实施的扩展尚未出现在公开规则或行政命令中。因此，其时间安排、门槛及执法后果仍未确定。不过，它将弥补白宫在 8 月初向 AI 公司介绍的框架中一个重要缺口。

据报道，最初的框架涵盖了 OpenAI、Anthropic 和 Google 等公司开发的先进闭源模型。允许本地修改和部署的可下载权重开放模型则被排除在外。正在形成的方案表明，这种排除是暂时性的，而非永久政策选择。

如今的核心冲突已经明确。开放模型倡导者认为，可下载系统是研究、竞争以及美国 AI 普及的重要基础设施。安全官员则认为，一旦类似系统获得先进的网络或生物能力，风险便会不断上升，因为这些能力一经发布便无法收回。

白宫正在重写一个刚刚完成的框架

这项政策正从基于开发者的区分，转向可涵盖任何足够先进模型的能力门槛。

美国总统 Donald Trump 于 2026 年 6 月 2 日签署了相关的 AI 安全行政命令。该命令要求联邦机构建立一项自愿流程，在先进 AI 模型发布前对其进行评估。

该命令允许联邦政府在受监管的前沿模型发布前最多 30 天获得访问权限。这一术语指的是跨越政府设定的机密网络安全基准的先进系统。

国家安全局牵头开展基准测试流程，并与其他联邦机构合作。其中包括商务部、战争部和国家网络总监办公室。

参与该框架的开发者必须在保密、网络安全、知识产权和内部风险防护条件下提供访问权限。政府随后可测试模型是否具备先进进攻性网络能力，或是否带来其他国家安全关切。

政府在 8 月截止日期前完成了这一自愿框架。随后，它与 OpenAI、Anthropic、Google、Meta、Nvidia、Microsoft 及较小型 AI 公司代表审查了该流程。

根据 Axios 对该框架的报道，最初定义涵盖具备最先进能力并带来国家安全风险的闭源模型。开放模型未被纳入该定义。

WIRED 现在报道称，政府官员预计将在未来数月扩大该框架。开放模型的能力一旦达到同样的前沿门槛，便将受到监管。

这一预期中的修订，比附在源简报上的 apple techmeme 标签更为重要。Apple 并未被列为这一据称政策变化的核心参与者。Techmeme 是转载底层报道的聚合平台，而不是制定政策的机构。

真正的事件关乎华盛顿如何界定风险。一旦模型越过政府设定的能力界线，模型权重将不再自动获得豁免。

开放与闭源模型之间的差异在操作层面仍然重要。闭源模型通过开发者的服务器和应用接口保持控制。其运营方可以修改安全措施、暂停账户，或在发布后限制访问。

开放权重模型则会分发训练过程中学得的数值参数。接收者可在本地运行、修改安全措施、微调行为，并重新分发修改后的版本。

这使得发布前评估更具决定性。一旦权重扩散至公共代码库和私有系统，原始开发者便无法可靠地收回它们。

至少根据该行政命令，这一框架仍属自愿性质。然而，当联邦采购、出口准入、政府合作或发布审批取决于配合程度时，参与仍可能承受现实压力。

这正是为何据称的扩展构成了真正的政策转向。政府正在构建一套审查体系，其影响力可能超出其正式的自愿性表述。

为什么开放模型如今进入前沿 AI 辩论

开放模型正被纳入该框架，因为其能力正在接近过去仅与严格受控系统相关的风险。

最初的豁免基于一项现实假设：大多数可下载模型的性能低于由领先美国实验室运营的最大型系统。

随着性能差距缩小，这一假设越来越难以成立。包括 DeepSeek、Alibaba 和 Moonshot AI 在内的中国开发者，已经发布了能力日益强大的开放权重系统。

这些发布强化了一种观点：先进 AI 不会始终局限于几家美国公司。它们也令华盛顿一边推动开放开发、一边控制国家安全风险的努力变得更加复杂。

政府的 AI 行动计划 支持将开源和开放权重 AI 用于创新、学术研究和全球竞争力，同时也要求对前沿系统进行评估。

当开放系统仍低于最危险门槛时，这些目标可以共存。但当一个可下载模型具备自动化复杂网络攻击或协助武器开发的能力时，它们便会发生冲突。

网络安全领域的这种紧张关系尤其突出。闭源服务商可监控提示词、拦截可疑请求，并集中修补安全措施。本地模型则可以在缺少这些控制或可见性的情况下运行。

这并不意味着开放模型天生具有恶意。研究人员使用它们来检视行为、测试防御、构建专业工具，并减少对少数商业服务商的依赖。

安全团队同样受益于能够在受保护网络内部部署的系统。本地运行可以让敏感数据远离第三方服务器，并支持细致的技术审计。

问题在于，可访问性与前沿能力结合之时。帮助防御者的同一种自由，也可能帮助攻击者移除限制并自动化有害工作。

6 月的命令通过一套机密基准测试系统应对这一问题。公开文件并未披露具体性能门槛、测试套件或决策流程。

对具体测试保密，可以防止开发者只针对已知评估进行优化。但这也会让外部专家无法评估政府门槛是否准确、公平或可复现。

未公开的标准带来另一项困难。开放模型开发者可能直到开发后期才知道其模型是否被纳入监管。

闭源实验室可以与联邦官员保持持续联系。较小型开发者、大学和分布式开源项目可能无法获得同等接触机会。

这种差异可能使一个名义上能力中立的框架，变成制度上不平等的流程。大型公司或许可以消化审查成本，而较小组织则可能面临不确定性或发布延迟。

这种压力解释了为何人们正在寻找一个能豁免常规研究的门槛。一个有用的框架必须区分前沿风险与开发者每天下载的大量普通模型。

这一标准不能简单地将每一次开放发布都视为危险。这样的规则将耗尽政府测试能力，并抑制正当的美国开发活动。

它也不能豁免每一种可下载系统。否则，监管流程将无法察觉那些开发者在联邦审查人员评估之前便发布权重的模型。

据称的扩展试图在这两种结果之间找到狭窄空间。它聚焦能力而非开放性，同时保留对低于前沿界线系统的豁免。

Apple Techmeme 搜索掩盖了围绕开放 AI 的真正较量

核心较量不是 Apple 与另一家公司的竞争；而是在前沿能力出现后，开放分发与遏制之间的对抗。

apple techmeme 这一短语似乎反映的是发现或聚合关键词，而非这篇政策报道的主题。关注这一查询的读者应将流量标签与底层事件区分开来。

主要政策阵营的范围更广。Nvidia、Meta、研究人员、初创公司及许多企业用户都一直在捍卫对开放权重的访问权。

支持者认为，开放模型能够传播技术知识，并防止少数实验室控制先进 AI。他们也将开放性视为应对中国不断壮大模型生态系统的重要方式。

闭源模型开发者提供了不同的运营结构。OpenAI、Anthropic 和 Google 通常会对其最具能力的系统保留集中控制，尽管它们的开放策略各不相同。

集中控制支持使用监测、快速安全措施和托管访问。但它也会集中市场力量，并使客户依赖于服务商的政策。

白宫必须决定，在能力趋同时，这些差异是否足以支持分别监管。据报道，当前方向认为，它们不足以构成永久豁免的理由。

Google DeepMind CEO Demis Hassabis 曾主张，无论国家来源或发布方式如何，都应对前沿级模型制定规则。他提出的标准机构将对开放与闭源系统同时适用不断变化的基准。

Hassabis 告诉 Axios，严重的网络、生物和核能力可能在 18 个月内出现在开放模型中。这一预测并非得到确认的时间表，但它说明了推动基于能力监管的担忧。

开放模型倡导者质疑限制权重会自动提升安全性的暗示。他们指出，闭源系统同样可能被越狱、滥用，或通过内部访问而遭到破坏。

他们还认为，独立研究人员需要访问模型才能发现漏洞。限制权重可能减少公众审查，同时将关键安全决策留在商业实验室内部。

因此，这场争议涉及相互竞争的安全理论。

一种理论倾向于遏制。开发者应保留控制权、监控部署，并在发布具有危险能力的系统前向政府评估人员提供访问权限。

另一种理论倾向于分发与检视。更广泛的访问让更多研究人员识别弱点、创造竞争性替代方案，并为防御者提供可与攻击者获得工具相当的能力。

两种理论都包含合理关切。没有任何一种能够消除风险。

闭源模型仍可能通过接口助长危害。开放模型也仍可促进防御性研究，并为其局限性提供透明证据。

政策挑战在于判断能力何时改变这种平衡。一个能帮助编写普通代码的模型，与一个能够自主发现并利用未知软件漏洞的模型，带来的风险并不相同。

六月的行政命令聚焦于先进网络能力，因为软件系统将 AI 性能与即时国家安全后果直接相连。模型可以从提出代码建议，发展到规划并执行攻击。

政府已经表明，它会对封闭模型的发布进行干预。Axios 报道称，在审查框架建立期间，官员曾要求 OpenAI 限制一款先进模型的推广。

这段历史让开放模型开发者面临新的压力。如果他们的系统达到可比性能，仅以可下载权重为依据的豁免将难以成立。

这同样让封闭实验室面临竞争压力。发布前审查可能延迟其产品，而开放模型竞争对手则可在没有同等流程的情况下全球发布。

统一的能力门槛可以解决这种不对称性。但这无法解决更棘手的问题：美国如何审查在海外开发并发布的模型。

美国当局可以寻求国内开发者的配合。但对于一家在全球基础设施上发布权重的中国公司，其影响力要有限得多。

政府可以通过出口管制、采购规则、分发限制或制裁作出回应。每种选择都会给使用外国模型的美国研究人员和企业带来成本。

这一国际执法缺口是新兴框架最重要的弱点。措辞上的平等并不保证覆盖范围的平等。

能力门槛本身也会带来新的风险

中立的前沿能力门槛听起来很直接，但秘密且自愿的流程可能导致监管不一致。

第一项不确定性涉及分类。行政命令要求使用保密的网络安全基准，使开发者和外部专家无法审查决定性的测试。

保密可以保护敏感的威胁信息，但也可能掩盖误报、薄弱评估，或偏向特定技术架构的标准。

模型在提示方法、工具访问权限、微调和部署环境方面的表现各不相同。基准分数未必能代表每一种实际部署的风险。

未经修改的开放模型可能仍低于门槛。配备自主工具的微调版本则可能执行危险得多的任务。

这引出了一个基本的责任问题。权重发布后，原始开发者无法评估每一项下游修改。

政府可能测试基础模型、计划发布的配置，或功能完全开启的版本。每种方法都会得出不同的评估结果。

仅测试默认配置可能低估滥用风险。在不受限制的条件下测试每个系统，则可能夸大大多数用户实际上无法启用的能力。

第二项不确定性涉及时间安排。封闭模型开发者可以在公开发布前提供受控访问。开放发布往往涉及研究合作伙伴、代码仓库、镜像和社区测试。

30 天审查期可能与协调好的发布计划冲突。如果许多政府和行业员工提前获得有价值权重的访问权，也可能带来安全风险。

行政命令包括保密和内部人员风险防护措施。这些保障尚未受到公开的技术审查。

第三项不确定性涉及自愿参与。如果风险最大的开发者直接拒绝参与，框架的价值就会受到限制。

联邦合同和合作关系可以鼓励国内合规，但对于与美国政府没有业务往来的外国开发者，影响力更为有限。

第四项不确定性涉及监管俘获。大型实验室已经拥有政策团队，并与高级官员保持直接联系。

小型开发者可能获得较少关于框架适用方式的指导。即使书面门槛看似中立，合规成本也可能保护既有公司免受竞争。

Anthropic 支持更严格的前沿模型监管，包括州级透明度和第三方评估要求。批评者认为，严格规则可能巩固大型封闭服务提供商的市场地位。

这种批评并不能证明 Anthropic 的安全担忧并不真诚。它指出了一种经济影响，政策制定者必须独立于企业动机加以审视。

第五项不确定性涉及开放模型术语。“开源”和“开放权重”常被混用，尽管它们描述的是不同层级的访问权限。

一个模型可以发布权重，同时不公开训练数据、源代码或详细方法。许可证也可能限制商业用途或特定应用。

可信的政策必须明确其监管对象。否则，尽管提供了类似的实际访问条件，开发者仍可能受到不同对待。

研究人员制定的 Model Openness Framework 表明，开放性具有多个维度。可复现性并不只取决于下载一个权重文件。

据报道，华盛顿的计划似乎聚焦于能力，而非关于开放性的哲学定义。即便如此，发布机制决定了保障措施是否仍可执行。

最后一个担忧是任务扩张。当前命令聚焦于先进网络安全和国家安全风险。

一旦评估体系存在，未来政府可能会增加针对政治内容、版权行为、消费者安全或其他政策重点的测试。

保密流程会使这种扩张更难监督。因此，在该框架成为常规做法之前，政府应明确范围、申诉机制和机构权限。

这些问题并不会否定发布前评估。它们说明，能力门槛需要围绕测试本身建立治理机制。

这项政策将给双方开发者施压

封闭实验室如今面临发布监管，而随着系统能力提升，开放模型开发者也必须为承担同样义务做好准备。

OpenAI、Anthropic 和 Google 已经处于该框架的直接覆盖范围内。它们最新的封闭系统可能在公开发布前就引起联邦政府关注。

对这些公司而言，被迫作出的回应是组织层面的。它们需要测试计划、安全的政府访问、法律协议，以及能够容纳联邦审查的发布计划。

由于它们的模型已经处于前沿，这一负担迫在眉睫。它可能影响产品发布时间、合作伙伴访问和国际部署。

开放模型开发者面临的是更长期、但也更根本的抉择。他们必须判断，前沿性能是否仍能与不受限制的权重发布兼容。

接近门槛的开发者可以降低能力、推迟发布、仅通过获批合作伙伴分发，或不顾政府反对继续发布。

每一种选择都会削弱开放模型主张的一部分。限制模型会牺牲性能，限制分发则会牺牲开放性。

Meta 占据了尤其重要的位置。其 Llama 发布建立了美国重要的开放权重模型家族，尽管其许可证和信息披露做法引发了关于“开源”标签的争论。

Meta 未来的发布策略将揭示，一家美国大型企业是否仍认为前沿开放性在商业和政治层面可持续。

Nvidia 同样有兴趣推动模型的广泛可用。更多模型可以增加对开发工具、企业部署和计算基础设施的需求。

初创企业依赖开放权重，以避免受制于大型 API 提供商的运营条款。大学则使用它们开展难以通过封闭接口进行的实验。

当隐私、延迟、定制化或基础设施控制至关重要时，企业会使用本地模型。医院或国防承包商可能更倾向于在受保护环境内运行的模型。

即使从不训练前沿系统，这些用户也应关注该框架。影响权重分发的监管将塑造他们能够部署和修改哪些模型。

知识工作者面临的后果更为隐蔽。模型选择决定了文档流向何处、哪家提供商可以查看提示，以及工具是否会在政策变化后继续运作。

管理敏感研究的团队应追踪模型来源和部署条款。可检索的 AI 知识库 可以在工具和模型政策变化时保留来源背景。

该框架还可能影响采购。联邦机构可能更偏好经过审查的模型，从而鼓励承包商和受监管行业采用同一标准。

因此，自愿的政府流程可以成为一种市场资质。企业可能将成功通过评估作为安全性或联邦政府准备程度的证明进行宣传。

这一结果将提高分类决定的重要性。即使没有正式禁令，被排除在政府合作关系之外的开发者也可能蒙受损失。

国际开发者面临不同的权衡。配合可能带来美国客户和基础设施的使用权，但也可能要求披露敏感的模型信息。

一些开发者会拒绝。它们的模型仍可通过可下载文件、海外托管或衍生发布触达美国用户。

这正是监管遇到国家管辖权边界的地方。华盛顿可以影响国内分发，却无法抹去已经在全球流传的权重。

政府必须避免将这一限制转化为对美国研究的广泛限制。阻止国内访问并不一定能阻止外国对手使用同一模型。

审慎的政策会将狭窄的前沿审查与对防御性研究的投资结合起来。它也会为能力较低的模型和合法安全测试提供明确豁免。

这不是在全面控制与完全开放之间作出选择，而是要确定：能力提升到何种程度后，不可逆的分发已过于危险，不能再被视为普通软件发布。

Apple Techmeme 报道尚未解答的问题

三个信号将显示，这项据报道的扩张会成为可行政策，还是仍停留在非正式的白宫期待。

第一个信号是公开的覆盖范围定义。政府无需披露保密测试细节，但开发者需要获得关于前沿边界的实质性通知。

有用的定义可以说明能力领域、评估程序、负责机构，以及对认定提出质疑的流程。

如果白宫发布这类指导，基于能力的解读将更具可信度。持续保密则会削弱信心，并有利于那些与官员拥有私下渠道的公司。

第二个信号是首个接受审查的开放模型。这一事件将显示政府如何处理可下载权重、微调、外国开发者和不可逆的公开发布。

开发者的回应将与政府的回应同样重要。合作性的审查将表明，自愿模式可以延伸到封闭实验室之外。

未经审查的发布将暴露该框架的执法局限。此后任何分发限制都将阐明自愿参与在实践中如何运作。

第三个信号是行业反应，尤其是来自 Meta、Nvidia、开放模型初创企业和研究团体的反应。它们的立场将决定该门槛是否能获得广泛支持。

接受基于能力审查的联盟将强化该框架。围绕保密性、访问不平等或合规成本的反对意见，则将揭示尚未解决的设计问题。

读者还应关注审查是否仍聚焦于极端国家安全能力。若范围扩大到普通模型行为，这项政策的性质将会改变。

国家 AI 框架强调采取一致的联邦路径，以支持创新。基于能力的监管仍必须符合这一既定目标。

未来几个月将检验华盛顿能否在不冻结前沿以下开放开发的情况下监管风险。这才是 apple techmeme 查询背后的真正问题。

开发者应在首个存在争议的分类结果出现前，记录模型能力、发布控制措施、评估结果以及下游修改风险。

企业采购方应询问：模型权重是否可下载、谁能够更新安全防护措施，以及部署条款是否可能在政府审查后发生变化。

知识工作者应独立于任何单一 AI 提供商保留重要源材料。可搜索知识库可以在模型、界面或访问规则发生变化时减少干扰。

核心考验说起来简单，但执行起来困难。一个风险阈值能否同时适用于可控服务，以及会成为永久公共产物的模型权重？

据报道，此次扩展表明白宫打算尝试这样做。其成败将取决于透明治理、严格范围，以及对不同发布模式的平等对待。

密切关注首个被纳入范围的开放模型。该案例将揭示，这一框架究竟是在平衡安全与竞争，还是仅仅重新分配对 AI 前沿的控制权。