# OpenAI 和 Anthropic 互相拿对方模型做安全测试，公开了第一份联合作业结果

> 原标题：OpenAI and Anthropic share findings from a joint safety evaluation

- 来源：OpenAI News
- 发布时间：2025-08-27T10:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/489
- 原文：https://openai.com/index/openai-anthropic-safety-evaluation

## 摘要

两家公司互相用自家内部的安全考题去测对方公开的模型，这次先放出的是 OpenAI 测 Claude 的结果。测试前双方都松绑了一些外部安全限制，所以这不是严格的一对一排名。在指令优先级上，Claude 4 系列表现最好，比 OpenAI o3 还略强一点，尤其在抵抗系统提示词被套走这件事上很稳。

## 推荐理由

OpenAI 与 Anthropic 互用内部安全考题测试对方公开模型，首份结果由 OpenAI 测 Claude，双方测试前均放宽部分外部限制，结果并非严格排名。

## 锐评

两家互相测对方模型，测之前还各自松了外部安全限制，这种分数只能当参考，别拿去排座次。Claude 4 在指令优先级上比 o3 略强，抗系统提示词套取最稳，这条我信，Anthropic 在这块一直做得扎实。拒答率最高到 70% 这事我倒觉得没那么好看，安全题上拒答多不等于更安全，很多是宁可不说。这种联合作业的价值在方法，不在名次。
