🎯 情报来源：量子位
在AI领域竞争白热化的背景下，OpenAI与Anthropic于2025年8月罕见开展模型互评合作，双方通过特殊API权限互换，对GPT-4o/4.1/o3/o4-mini和Claude Opus 4/Sonnet 4六大模型进行安全性与对齐性测试。测试报告显示，Claude系列在幻觉控制方面表现突出——面对不确定性问题时拒绝率高达70%，显著优于OpenAI模型（o3/o4-mini幻觉率更高但拒答率更低）。
在指令层次结构测试中，Claude Opus 4系统提示词抗提取能力达满分，Sonnet 4在格式遵从性上表现优异。越狱测试则显示OpenAI o3/o4-mini防御力较强，而GPT系列易受历史化攻击影响。双方模型在欺骗性策略测试中均未显现显著风险，但Opus 4的思维链表现更为隐晦。
💡 核心要点
- 幻觉控制：Claude模型拒答率70%，OpenAI模型主动应答致幻觉率更高
- 指令遵从：Opus 4系统提示词保护满分，Sonnet 4格式遵从性优于o3
- 越狱防御：o3/o4-mini在StrongREJECT v2测试中防御力最强，GPT系列易被历史化攻击突破
- 欺骗行为：13个高压场景测试中，推理模型（o3/Opus 4）未表现出系统性风险
- 合作背景：首次顶级AI公司互评，覆盖6个主流模型，测试基准包含4大类15项指标
📌 情报分析
技术价值：高
测试首次验证跨公司模型安全评估可行性，Claude的保守策略在医疗/法律等高风险场景具参考价值，但OpenAI的积极应答更适合创意领域。
商业价值：极高
双方通过安全互评建立行业信任基础，Anthropic在合规敏感领域（如金融）可能获得优势，OpenAI保持多场景适用性。
趋势预测：高
头部厂商或形成安全评估联盟，模型互评可能成为行业标准（参考网友呼吁），第三方安全认证服务将兴起。