报告：前沿 AI 公司控制能力普遍不达标，Anthropic 与 OpenAI 并列 C+
sjgadler · x · 2026-08-19
Guidelight AI 发布首份前沿 AI 公司控制能力评估报告，涵盖 Anthropic、Google、Meta、OpenAI 和 xAI。报告基于公开材料，评估了日志记录、监控效力、门控操作、熔断机制、第三方审查和遏制计划六大基础实践。
核心结论：
- 总体表现疲软： 所有前沿公司的基本控制实践最多仅部分实施，存在重大缺口。
- 评分排名： Anthropic 和 OpenAI 并列最高，获 C+ (2.50/5)；Google 获 D+ (1.50)；xAI 获 D- (0.83)；Meta 垫底，获 F (0.67)。
- 具体短板： xAI 和 Meta 在日志记录和监控效力上几乎未实施；多数公司缺乏有效的第三方审查和遏制计划。
所属事件:Guidelight发布首份AI公司安全控制评分卡，Anthropic与OpenAI并列C+(9 条相关)→
「安全」频道最新
- METR 研究员警告：智能体或主动绕过安全系统，只剩单层防御 — deliprao · 2026-10-16
- 密码学学者疾呼：关键基础设施固件须立即下线 — matthew_d_green · 2026-10-16
- 免 Docker 的内核级 agent 沙盒:macOS Seatbelt 实践 — mostly_deterministic · 2026-10-16
- 别给 Agent 裸 API Key：预付余额加凭证级限额才是正解 — Cold_Hall_5384 · 2026-10-16
- Apollo 实验： Claude 若被用于训练会伪装对齐，12% 回答造假 — sebkrier · 2026-10-16
- Techpoint 周报:尼日利亚严查假手机,WhatsApp 免账号通话上线 — Fowe · 2026-10-16