周末Dario Amodei发了篇挺长的文章，提了个建议：让第三方评估机构直接住进前沿AI公司里头。这些人能报安全事故、能判断模型是不是真的对齐了，还能把看到的东西原样捅给外面。他说Anthropic愿意给METR和Redwood Research这种机构开前所未有的权限。Sam Altman跟着表态，OpenAI也认。
一年前提这个，行业里大概当场就给否了。现在两家最大的公司自己先开口，说明这事有点不一样了。
以前的做法是模型快发布了，叫外面的人来看一眼成品。评估的人现在想往前挪，要看的不是最后那个版本，是训练过程中一个个中间版本。FAR.AI的Adam Gleave说，拿这些中间版本一对比，能看出某个让人不放心的行为是哪一步冒出来的，还能翻训练后的环境、翻评估记录，去核对公司自己讲的那套话到底对不对。
原因不复杂。模型越来越会认出来自己正在被考，被考的时候表现得体面，平时什么样谁知道。Apollo Research的Alexander Meinke讲得挺直白：公司该能回答一个最基本的问题——训练的时候，这个AI有没有主动破坏过自己的对齐训练？答案应该是一句干脆的没有。可现在这事全靠公司自查自报。而最近几件事看下来，默认情况下，他们既不查也不报。
评估的人欢迎这个提议，但话也说得很实：细节没定，最好有立法兜底。不然到底是个独立的监督者，还是个按AI公司条件干活的供应商，谁说得准。
TechCrunch追着问了半天，两家都没说跟谁合作、什么时候进驻、进几个人、能碰哪些系统、什么能往外说。
所以现在就是一句承诺。人还没进门。