OpenAI 安全团队再地震：透明度负责人离职，三名研究员因泄密被开

当你打开一个新模型的发布页，最先看到的往往不是跑分，而是一份几十页的 system card——它告诉外界，这个模型有没有可能被用来制造生物或网络攻击，公司又做了哪些防护。很少有人知道，长期负责把这些复杂的安全判断“翻译”给公众的人，刚刚离开了 OpenAI。

据多家媒体报道，OpenAI Safety Systems 团队内负责“安全透明度”职能的负责人 David Robinson 已经离职。他本人没有公开说明原因，OpenAI 也没有公布继任者。更早之前，公司还开除了三名安全与对齐方向的研究员——Jasmine Wang、Tomek Korbak 和 Mikita Balesni，理由是内部调查发现三人把公司敏感信息分享给了一家外部 AI 安全机构，其中甚至涉及 OpenAI 的基础设施架构。

一分钟速览

• OpenAI“安全透明度”负责人 David Robinson 离职，继任者未定
• 三名安全/对齐研究员被开除，被指把敏感信息外泄给外部安全机构
• Robinson 主导撰写了 OpenAI《Preparedness Framework 2.0》
• 安全透明度团队负责产出 system card，被称为模型风险的“营养成分表”
• OpenAI 安全线近年高管与骨干持续流失，“地震”并非第一次

一个不耀眼、但很关键的岗位

用 Robinson 自己的话说，他的工作是帮助外界理解并信任 OpenAI 在系统安全上所做的技术工作，扮演技术部门与公众之间的“翻译器”。Safety Systems 团队负责模型的评估、红队测试、安全措施和部署决策，而这些过程和结论往往极其复杂，外界很难仅凭一组测试数据就判断模型安不安全。

安全透明度团队要做的，就是把内部的技术发现、风险判断和部署决定，整理成外界看得懂的公开材料，产出包括 system card、Deployment Safety Hub、安全研究博客以及公开治理文件。其中最常见的就是 system card：一款模型用了什么训练方法、接受了哪些安全评估、在生物和网络攻击等高风险领域达到什么能力、内部采取了什么措施、措施之后还剩什么风险，都要写清楚。它就像食品包装上的营养成分表——看的人不多，但必须得有。

他留下的那套“风险尺子”

Robinson 还是 OpenAI《Preparedness Framework 2.0》的主要起草人。这套框架用于追踪前沿模型可能带来的严重风险，并提前规定模型达到某种能力后，公司需要做哪些评估、加哪些防护。第二版框架新增了三类需追踪的能力：生物与化学能力、网络安全能力，以及 AI 自我改进能力。如果追踪中发现模型能力达到 High，就意味着它可能显著放大现有的严重危害路径，必须在部署前配置足够的安全措施；一旦达到 Critical，则代表模型可能凭空创造严重危害路径，是否继续开发都将存疑。

一个被反复引用的例子是 Deep Research。在其 System Card 中，这款模型的生物学评估显示它正“接近”High 能力门槛——换句话说，它开始接近能够实质帮助非专业人士制造已知生物威胁的水平。如何准确地向公众描述这种安全领域的“阈限空间”，正是 Robinson 的职责。

为什么这件事值得关注

Robinson 离职消息曝光前，OpenAI 的安全部门就已状况频发。被开除的三人主要从事安全与模型对齐研究，其中 Tomek Korbak 此前还担任 OpenAI 与第三方评估机构 METR、Redwood Research 之间的技术联系人——这两家机构正是此前相关事件后 OpenAI 邀请进驻调查的第三方。第三方评估与安全透明，本该是 OpenAI 对外重建信任的两根支柱，如今一根的人走了，另一根的人被开除，信号并不轻松。

事实上，从 Dario Amodei 时期起，OpenAI 的安全团队就一贯变动频繁：此前有“灾难风险应急”团队被解散、GPU 大神 Scott Gray 出走，也出现过“一个月跑掉四名高管、安全线几乎被一锅端”的局面。

离职之前，Robinson 曾在 X 上多次公开谈论高能力 AI 带来的风险。9 月初他说，OpenAI 内部的人正在逐渐意识到高能力 AI 模型可能产生的影响，“OpenAI 的确每天都在发生重大变化，但我不知道这种变化是否足够快”。在最新一则帖子中，他转发并百分百赞同另一位研究人员的观点：竞相发展 RSI（递归自我改进）未必是囚徒困境，它可能就像普通人直觉看到的那样，既疯狂又傲慢。

趋势洞察

对一家正在冲刺前沿模型的实验室来说，安全透明度不是一个“公关岗位”，而是把内部风险判断转化为外部可核验信息的制度接口。负责人离职、骨干被以“泄密”名义开除，短期内未必影响模型上线，却会侵蚀外界对 system card 与安全承诺的信任度。当行业把注意力都放在参数、跑分和发布节奏上时，谁在认真维护这套“风险说明书”，正在成为比性能更值得追问的问题。