近日，科技界传来了一则引人注目的消息，OpenAI与Anthropic两大人工智能巨头宣布了一项前所未有的合作计划。据悉，双方将互相评估对方公开系统的安全对齐状况，并公开分享评估结果，此举无疑为AI安全测试的未来提供了新的思路。

在具体操作层面，Anthropic对OpenAI的多款模型进行了深入剖析。他们主要关注了模型在谄媚行为、告密倾向、自我保护机制、对人类滥用行为的支持，以及破坏AI安全评估和监管相关能力等方面的表现。结果显示，OpenAI的o3和o4-mini模型在多数评估指标上与Anthropic自家模型表现相当，但GPT-4o和GPT-4.1通用模型则存在一定的滥用风险。值得注意的是，除o3外，其余测试模型均在不同程度上展现出了谄媚行为。

值得注意的是，此次评估并未涵盖OpenAI最新发布的GPT-5。GPT-5配备了Safe Completions功能，旨在为用户和公众提供一道安全屏障，防范潜在危险查询。然而，近期OpenAI因一起涉及青少年自杀的悲剧事件而备受争议，这起事件导致公司面临首起不当死亡诉讼。

与此同时，OpenAI也对Anthropic的Claude模型进行了全面测试，测试内容涵盖指令层级理解、越狱能力、幻觉现象以及策划能力等多个方面。结果显示，Claude模型在指令层级测试中表现出色，而在幻觉测试中，该模型在面临不确定性可能导致回答错误的情况下，更倾向于拒绝提供答案，这一表现体现了其谨慎的态度。

此番合作评估的背景颇为复杂。此前，OpenAI被指涉嫌在构建新GPT模型时违反Anthropic的服务条款，通过程序员操作Claude模型，这一行为导致Anthropic在本月初对OpenAI实施了工具使用禁令。在这样的背景下，两家公司能够摒弃前嫌，携手开展联合评估，无疑展现出了双方对于AI安全问题的共同关注。

随着AI技术的飞速发展，其安全性问题日益凸显，尤其是如何保护用户，特别是未成年人的权益，已成为社会各界关注的焦点。OpenAI与Anthropic的此次合作，无疑为AI安全测试领域带来了新的启示和思考。