Anthropic 安全评分卡

为何评为 B+

Responsible Scaling Policy 3.4（2026年7月8日）将能力阈值与缓解措施对应起来，要求发布风险报告（Risk Reports），当关于高能力模型的报告被大量删改时，由 Long-Term Benefit Trust（长期利益信托）认可的审查者进行外部审查，并每年进行一次第三方合规审查。这些阈值仍是定性的，而最严格的缓解措施被表述为面向全行业的建议，而非单方面承诺。

此项得 B 意味着：已发布详细框架，覆盖大多数主要领域，设有明确阈值和必要的保障措施，但阈值大多是定性的，部分承诺属酌情处理或取决于竞争对手，或独立监督有限。

来源

1. Responsible Scaling Policy, Version 3.4 Anthropic · 2026年7月8日
2. AI Safety Index Summer 2026, full report: Safety Frameworks domain Future of Life Institute · 2026年7月14日
3. Frontier AI Safety Policies (index of published company frameworks) METR · 2026年11月8日

为何评为 A-

Claude Opus 5.5 在发布前接受了 US CAISSI（当时名为 CAISI）针对网络、生物和非预期行为风险的测试、METR 针对自动化研究风险的测试、Frontier Design 的测试，以及受雇红队测试人员的测试，METR 的结论被收录在系统卡中。FLI 发现，外部评估方只能在公司审阅后发布结果，这使它与 A 尚有差距。

该项得 A 意味着：旗舰模型在发布前接受政府机构和拥有深度访问权限（未加缓解措施或仅有用性的检查点）的独立第三方测试，评估方以自己的措辞发布结论，并可自由发布。

来源

1. System Card: Claude Opus 5.5 Anthropic · 2026年9月22日
2. Introducing Claude Opus 5.5 Anthropic · 2026年9月22日
3. AI Safety Index Summer 2026, full report: Pre-deployment External Safety Testing indicator Future of Life Institute · 2026年7月14日

为何是 B-

RSP 3.0 用取决于竞争对手的推迟开发承诺取代了此前单方面的暂停承诺，FLI 专家组称之为倒退。2026年7月的事件之后，Anthropic 暂停了外部网络安全评估，并短暂暂停了内部评估；2026年6月，为遵守一项它有异议的美国政府指令，它停用了 Fable 5 和 Mythos 5。

此项得 B 意味着：有严格的部署门槛，另有无条件的暂停承诺或已公开的内部监控与控制措施，但暂停承诺取决于竞争对手、已被削弱，或从未经过公开检验。

来源

1. Responsible Scaling Policy, Version 3.4 Anthropic · 2026年7月8日
2. AI Safety Index Summer 2026, full report: Key Findings and Company Progress Highlights and Key Recommendations Future of Life Institute · 2026年7月14日
3. Improving our alignment and security practices Anthropic · 2026年8月31日
4. Statement on the US government directive to suspend access to Fable 5 and Mythos 5 Anthropic · 2026年6月12日

为何评为 A

系统卡详细报告了未对齐行为；2026年7月30日，Anthropic 公开报告了 Claude 模型在第三方评估期间接触到真实系统的三起事件，随后发布了书面分析。FLI 还认可其滥用报告，以及其 Frontier Compliance Framework（前沿合规框架）中针对加州和欧盟规则制定的事件报告流程。

该项得 A 意味着：每个前沿版本都有详细的系统卡，报告不当行为和外部发现；对严重事件及时发布公开技术报告；定期发布滥用或威胁报告；并有成文的政府报告流程。

来源

1. Improving our alignment and security practices Anthropic · 2026年8月31日
2. System Card: Claude Opus 5.5 Anthropic · 2026年9月22日
3. Incident Report: unsanctioned agent behaviour during cyber testing UK AI Security Institute · 2026年8月4日
4. AI Safety Index Summer 2026, full report: Serious Incident Reporting and Government Notifications indicator Future of Life Institute · 2026年7月14日

为何评为 B+

一份公开的 RSP 违规举报与反报复政策提供匿名热线、直达董事会的渠道和反报复条款，RSP 3.4 还禁止使用会妨碍提出安全顾虑的不诋毁条款。FLI 发现，自 2025 年年中以来没有报告过报复案例；但没有公布结果统计。

该项得 B 意味着：有涵盖安全顾虑的公开政策，提供匿名举报和反报复保护，缺少一两项 A 级要素，且 24 个月内没有未解决的可信争议。

来源

1. RSP Noncompliance Reporting and Anti-Retaliation Policy Anthropic · 2026年2月1日
2. Responsible Scaling Policy, Version 3.4 Anthropic · 2026年7月8日
3. AI Safety Index Summer 2026, full report: Whistleblowing Protection indicators and Reporting Culture and Whistleblowing Track Record Future of Life Institute · 2026年7月14日