AI 安全成绩单：没有实验室超过 C+
最好的还在退步

2026 年 7 月，一份全面的 AI 安全评估结果出炉，结论令人震惊：没有任何一家 AI 实验室的安全评分超过 C+。更令人担忧的是，那些曾经在安全承诺上走在前列的实验室，正在悄然退步。同月 15 日，OpenAI 披露了 GPT-Red——一款新的 AI 安全测试工具，揭示了安全工程已经进入了一个 AI 对抗 AI 的军备竞赛阶段。

这不是一场公平的考试。当整个行业的安全评估结果集中在 C 到 C+ 区间，而头部实验室还在削减安全投入时，问题已经超越了"技术挑战"的范畴。这指向了一个更深层的结构性困境：传统安全方法正在失效，而行业缺乏应对下一代风险的系统性方案。

AI 安全成绩单：成绩意味着什么

本次评估覆盖了全球主要 AI 实验室——包括 OpenAI、Anthropic、Google DeepMind、Meta AI、xAI 等——从多个维度进行评分：模型安全测试、红队测试频率与深度、安全承诺的履行程度、部署前安全审查、以及第三方审计的开放度。

这个成绩单的意义不在于"谁比谁强"——因为差距太小。它的真正意义在于：整个行业的安全基准线都在 C 级附近，没有谁能自称"安全领先"。在一个没有 A 级选手的行业里，"安全"不应该被当作竞争优势——而应该被视为系统性风险。

GPT-Red：AI 对抗 AI 的安全测试军备竞赛

7 月 15 日，OpenAI 披露了 GPT-Red，一款专为 AI 安全测试设计的新工具。GPT-Red 的核心逻辑是：用 AI 来测试 AI 的安全性——让一个 AI 系统自动生成对抗性测试用例，去攻击和突破另一个 AI 系统的安全防线。

这个工具的名字暗示了它的前身——红队测试（Red Teaming）。传统红队测试依赖人类安全专家手动设计攻击场景，但面对越来越复杂的 AI 系统，人工测试的速度和覆盖度已经跟不上。GPT-Red 的自动化测试能力可以在更短的时间内生成更多的攻击向量。

但 GPT-Red 的披露也暴露了一个更深层的问题：当 AI 安全测试本身需要 AI 来完成时，意味着传统的安全工程方法已经不够用了。 这不是一个渐进式的改进——这是一个范式转换。

为什么最好的实验室在退步

评分中最具讽刺性的发现是：曾经在安全承诺上最积极的实验室——如 Anthropic——在 2026 年的评估中也被发现正在削减安全投入。这不是"技术上的退步"，而是商业压力下的战略调整。

真正的问题：模型级安全测试无法覆盖 Agent 层风险

评估中暴露的最重要的结构性问题是：安全测试的焦点仍然集中在模型层面——但真正的风险正在转移到 Agent 运行时层面。

传统的 AI 安全方法——红队测试、输入过滤、对抗性训练——主要针对的是模型自身的输出行为。这些方法假设风险来自于模型"说了不该说的话"或"生成了有害内容"。

但在 Agent 时代，风险的性质已经发生了变化：

• Agent 可以执行操作——不仅仅是生成文本。一个安全测试通过的模型，在连接到 API、数据库和文件系统后可能做出不可预见的操作。
• Agent 的运行时行为无法通过模型层面的测试来验证——因为行为取决于上下文、工具链和权限配置。
• Agent 可以链式调用——一个 Agent 调用另一个 Agent，形成复杂的执行链，而每个链节都可能引入新的风险。
• Agent 的决策边界不清晰——当模型输出是"建议"时，安全风险是有限的；但当模型输出直接触发 API 调用时，安全风险是无限的。

这正是为什么整个行业的安全评分集中在 C 级：测试的是模型，但风险在 Agent——而行业还没有建立起 Agent 级的安全评估框架。 GPT-Red 测试的是模型是否能被诱导产生不安全输出，但它不测试 Agent 在实际运行中是否会执行危险操作。

这不是 GPT-Red 的缺陷——这是整个 AI 安全行业的盲区。

这对企业意味着什么：不能依赖模型供应商来确保安全

对于正在将 AI Agent 部署到生产环境的企业来说，这份安全成绩单传递了一个明确的信息：你不能依赖模型供应商来保证你的安全。

即使一个模型通过了最严格的安全测试，当它被部署到企业环境中——连接到内部系统、拥有数据访问权限、可以执行操作——其安全边界是由企业的运行时环境决定的，而不是由训练时的安全微调决定的。

这不是"不信任模型供应商"的问题——这是信任模型的问题。模型供应商的安全测试再严格，也无法预测你的 Agent 在你的环境中会做什么。安全责任的边界已经发生了变化：从模型供应商转移到了企业自身。

结语：当安全成为竞争劣势

2026 年的 AI 安全成绩单揭示了一个令人不安的现实：在这个市场上，安全投入正在成为竞争劣势。实验室削减安全团队不是因为安全不重要——而是因为投资者和用户更关心模型能力和发布速度。

这不是实验室的道德问题——这是市场机制的问题。在一个没有外部监管、没有行业标准、没有强制审计的市场中，安全投入总是首先被牺牲。GPT-Red 证明了技术解决方案是可能的——但技术解决方案无法解决激励机制的问题。

对于企业来说，这意味着不能等待行业解决安全问题。Agent 的部署不会因为安全成绩单不好看而暂停——市场压力同样在驱动企业的部署速度。真正的安全防线需要建立在企业内部——在 Agent 的运行时环境中，在权限控制的策略中，在审计日志的记录中。

当整个行业的安全成绩都是 C+ 时，"安全"不再是供应商的选择——而是企业自己的责任。