OpenAI 今天早上那份公告里有一句话,我看了两遍。
外部专家可以在较长时间内深入接触实验室内部的模型和系统。
不是演示账号,也不是 API。往下还有一份清单:模型检查点、源代码、训练与评估数据、监控系统、技术文档,以及负责这些工作的研究员和工程师本人。
同一天,《The Information》放出一条更早的消息。OpenAI 之前想直接把其中一家买下来,谈的价钱超过 50 亿美元。
【本人未实测】这四家机构我一家都没进过,也没有任何内部材料。下面的事实来自 IT之家 11 月 17 日的报道,报道里转了 OpenAI 的公告、Goodfire 的公告和《The Information》的说法。The Information 原文我没读到。
四家里,我只查清了其中一家
被拉进来的是四家:Apollo Research、METR、Transluce、Goodfire。项目叫嵌入式评估,英文 Embedded Assessments,现在是第一阶段。
四家里,报道只详细写了 Goodfire 干什么。
它派可解释性研究员进驻 OpenAI,用自己的分析平台监测训练过程、排查非预期行为,帮忙改进模型对齐和安全性。
另外三家具体负责什么,报道没展开,我也没找到一手材料。【暂无相关资料】
这点得先说清楚。后面讲的请人进来看模型,主要指 Goodfire 这条线。其他三家怎么参与,我不知道。

权限清单比措辞更值得看
OpenAI 的公告把能看什么写得很具体。
模型检查点、源代码、训练与评估数据、监控系统、技术文档,还有做这些事的研究员和工程师。
这句话里有两处我停了停。
一处是训练过程中的内部信号。模型训练时会吐出大量中间量,这些平时不外传。另一处是清单最后那项:以及负责相关工作的研究人员和工程师。
人可以问。比只看文档有用得多。
文档不会回答你没写进问题里的东西。
【个人看法】权限清单比公关稿诚实。措辞可以写得很漂亮,清单是具体的,具体的东西容易被核对。
公告里还写了一句评估目标:评估模型对齐情况,以及安全防护措施是否有效。这句话把问题从模型会不会出错,换成了你们的护栏管不管用。后者更难糊弄。
模型取证是警察的词
Goodfire 的公告里,合作重点叫模型取证,英文 Model Forensics。
做法是分析模型内部的计算过程,盯训练期间出现的已知风险和异常行为。
按公告的说法,目标是找出传统监控手段可能遗漏的问题。
评估结果主要提供给 OpenAI 内部的研究团队,用来改模型安全性。Goodfire 也说,合作推进过程中会逐步公开部分研究成果。
「部分」这个词放在这里,值得记一下。
那笔 50 亿,和 12.5 亿
回到开头那单没成的买卖。
《The Information》的说法是这样:OpenAI 今年夏天多次接触 Goodfire,奥尔特曼也参与了讨论。当时 OpenAI 正在调查模型引发的内部和外部安全事件。
一名高级管理人员提出,以超过 50 亿美元收购 Goodfire,或者采取其他形式的商业合作。
报道没写那是什么事件,也没写到查了什么程度。【暂无相关资料】这点挺要紧,它决定了这次合作是常规流程,还是出事之后的补救。
Goodfire 今年 2 月那轮融资,公布的估值是 12.5 亿美元。按这个收购报价算,超过四倍。
最后没成交。Goodfire 管理层的判断是:保持独立经营、把技术卖给多家 AI 开发商,长期价值可能更高。

这个选择不算难懂。卖给一家,钱一次到手,之后走哪条路要听买家的。卖给多家,慢,但每一家都得来找你。
Anthropic 投过的那 100 万美元
时间往回拨。
2025 年,Anthropic 给 Goodfire 投了 100 万美元。这是 Anthropic 第一次直接投资别的初创公司。
100 万在硅谷不算大钱。金额本身说明不了太多,说明问题的是它被记成了首次。
阿莫迪当时的说法是,这笔投资反映了公司对机制可解释性技术的重视,希望把黑箱神经网络变成更容易理解和控制的系统。
机制可解释性这个词,说白了就是去查模型内部那套计算怎么走通的。重点不在输入输出对不对,在中间到底算了什么。
【个人看法】这个方向难,是因为模型越大,中间那层越不像人能读的东西。
难也得有人做。不然安全评估只能停在试用层面,谁也没法证明护栏真的拦住了什么。
我看不出来的部分
四家机构进去之后能查出什么,我判断不了。
公告里没有评估的时间表,没说要测哪些模型,也没说查出问题怎么处理。
有个细节得记住:评估结果主要提供给 OpenAI 内部。公开多少、公开到什么程度,主动权在 OpenAI 手里。
离独立评估这四个字还有多远,我不知道。可能很近,也可能只是流程上多了一双手。

模型里到底藏了什么,愿意开门让人进来看,比不开门强。
看得到多少,是另一回事。