Anthropic拿了C+：最讲安全的大模型公司，翻车了？

说实话，看到这个评分的时候我愣了一下。未来生命研究所的2026 AI Safety Index，给各大实验室在风险管理、透明度、还有他们是否言行一致这几个维度上打分。Anthropic，那个把「安全」刻在脑门上当slogan的实验室，得了个C+。

这就有意思了。先说清楚，这个C+不是野榜瞎评，FLI是正经机构，评的是三块：风险管理做没做到位、透明度高不高、以及承诺和实际行为对不对得上。Anthropic在「承诺」这块一向拉满——什么 Responsible Scaling Policy，什么AI Safety Level，对外讲得头头是道。但评出来只有C+，说明分数看的不只是PPT。

我猜问题大概率出在两方面。一是透明度，Anthropic对模型内部机制和训练细节的披露一直很保守，安全研究发paper是一回事，但具体部署时的监控数据、红队结果、失败案例，都是点到为止。二是他们嘴上说安全优先级最高，但产品迭代速度一点没慢下来，新模型该上就上，这中间的gap，评估机构看得清清楚楚。

对比一下，这个维度上做得好的反而是那些更「笨拙」的实验室，评测方法老派但数据全开放，Red Team结果直接甩出来，连「我们没拦住」的案例都敢放。这才叫透明度。而Anthropic的安全姿态太有型了，反而像公关行为艺术——安全人设立得越高，评分机构挑刺的空间就越大。

顺带说一句，这跟AI越狱话题其实是一个硬币的两面。越狱测试本质上就是在替这些实验室做压力测试：你声称自己的模型多安全，我拿一千条攻击提示词试试你的边界到底在哪。C+这个分数，某种程度上也解释了为什么社区总能找到各种破甲手法——安全机制再先进，跟实际攻击面之间永远隔着一条产品化的鸿沟。

安全这东西，吹出来的从来不算数，得拿数据、拿失败记录、拿真实的红队报告来换分数。C+不冤，但希望他们别急着公关，先把内部测试的log公开了再说。