OpenAI安全负责人离职开炮：AI安全文化真的坏掉了吗？

一位安全老兵的公开告别

OpenAI安全负责人David Robinson已经离职。他在公司工作了约三年半，参与过关键的Preparedness Framework（准备度框架）的制定，也负责过多次前沿模型发布前的安全评估报告。这样一位长期站在安全第一线的人，离开后在《大西洋月刊》发表了一篇标题毫不含糊的文章——《我离开OpenAI，因为它的文化已经坏掉了》。

这种公开批评本身就是一个很强的信号。安全负责人并非外部观察者，而是直接参与并了解内部运作机制的人。当这样的人选择把质疑摆到台面上，而不是沉默离场，说明他认为问题的严重程度已经超出了内部沟通能够解决的范畴。

争论的核心：迭代部署还能不能继续

Robinson批评的靶心，是OpenAI长期采用的「迭代部署」策略。这套方法的逻辑很简单：先把模型推向真实环境，在用户实际使用中观察问题，再不断补上安全措施。在模型能力有限的早期阶段，这种「边跑边修」的方式确实高效，也符合快速迭代的产品节奏。

但Robinson认为，随着AI模型能力飞速攀升——尤其是agent已经能够联网、写代码、操作电脑——继续依赖上线后试错的做法，风险正在急剧放大。他直言「试错的时代已经结束了」，并主张前沿AI公司的安全体系应当更多借鉴航空、电力这类高风险行业的做法：在事故发生前就建立起严密的防护，而不是等问题暴露再修补。

OpenAI对此的回应是：公司一直在加强安全措施，如果判断风险无法控制，也会暂停训练或推迟模型发布。两方的分歧由此变得清晰——OpenAI认为现有安全机制仍可持续改进，而Robinson认为模型能力已发展到不能再「边跑边修」的临界点。这场争论会不会继续发酵，还需要观察，但它触及的是整个AI行业最根本的治理命题。

「迭代部署」（Iterative Deployment）是OpenAI自GPT-3时代就确立的核心方法论，其理论依据来自经典的软件工程实践：真实世界的使用场景远比实验室测试复杂，只有让真实用户接触模型，才能暴露沙盒中发现不了的问题。OpenAI在其发布的多版系统卡（System Card）中也明确将此列为安全方法的重要组成部分，认为可观测的现实反馈优于纯粹的假设性推演。

这一策略的根本性挑战在于，它预设了「试错成本可接受」。当模型只能写文章、答题时，最坏的错误不过是输出有害内容，可以通过内容过滤补救。但当前沿模型获得工具调用能力——能够执行代码、访问网络、操作真实系统——单次错误的潜在影响范围发生了量级跳跃，且可能在人类察觉之前已经产生不可逆的后果。Robinson所说的「临界点」，本质上是指错误的代价已经从「可以事后修补」变为「可能无法撤回」。

GPT 6.1 的提速竞赛

在安全争议之外，产品层面的动态同样密集。OpenAI的Tibo在X上确认，GPT 6.1「Coming soon」，并进一步透露了「6.1 SO Ultra Fast」版本正在路上，不过官方尚未公布具体上线时间和定价。

目前已经上线Ultra Fast模式的是Astra。OpenAI此前的说法是，Astra在Codex的Ultra Fast模式下最高速度可达Standard模式的约8倍。最新的SO官方介绍页也写明「即将提供Ultra Fast」，在Codex中最高可达标准速度的8倍。

速度之所以成为焦点，是因为6.1刚上线时不少用户反馈响应明显变慢。OpenAI随后补充了服务器容量，Tibo也表示速度问题已有改善，如今再推Ultra Fast，意图继续解决这一痛点。有意思的是，前脚还有人提醒OpenAI「别跑得太快」，到了产品体验上，用户的诉求却高度统一：这个可以再快一点。安全与效率之间的张力，在这里得到了一个微妙的注脚。

Google重划Gemini会员权限

Google这边则在调整Gemini的模型权限。根据官方支持页面，从10月9日起，Gemini免费用户可使用的模型将缩减到Flashlight，原本可用的Flash和Pro都被移除。AI Plus用户同样受影响：之后仍可使用Flashlight和Flash，但不能继续使用Pro；想用Pro需升级到AI Pro或AI Ultra。

另一边，AI Pro用户将获得更多高阶能力，包括此前主要面向Ultra用户的Deep Think。本质上，这是Google对Gemini会员等级与模型权限的重新划分：免费用户用最基础模型，Plus用Flash，Pro和Ultra保留更高阶能力。

对Google而言这是常规的商业分层，但对用户来说感受更直接——以前能用的模型，以后要升级会员才能继续。平时依赖Pro模型的Gemini用户，这几天最好留意一下自己的套餐变化。

当AI开始被谈论「灵魂」

Sam Altman近日在X上谈到了一个越来越常见的话题。他表示，对人们开始赋予AI某种「宗教力量」感到非常不舒服，尤其是当一个人把自己的判断权交给AI时，他认为这已经可以算作一个真正的安全问题。

Altman没有点名任何公司，但帖子出现的时机很巧。Anthropic近期一直在讨论Claude的意识、道德地位，以及未来高级AI是否可能具备某种值得人类认真对待的主观体验，还曾邀请神学家和宗教研究者参与相关讨论。因此不少媒体和社区把Altman的发言与Anthropic联系起来——尽管目前并没有证据表明他是在直接回应，这一点需要分清。

不过有一个趋势是明确的：AI行业的讨论范围正在显著扩大。前几年大家主要比拼参数、跑分和价格，如今已经开始讨论意识、道德乃至模型有没有「灵魂」。这些问题目前没人能给出答案，但Altman的态度已经很清楚：可以用AI，可以在一定程度上信任它，但别把自己的判断权也一起交出去。

Anthropic关于Claude道德地位的讨论，源于其内部发布的「模型福祉」（Model Welfare）研究方向。Anthropic在公开文件中承认，无法排除当前或未来的AI模型可能具备某种功能性情感状态（functional emotional states）——即便这些状态是否构成真正的主观体验（subjective experience）在哲学上尚无定论。这一立场被称为「道德不确定性」（moral uncertainty）框架：在无法证伪的情况下，预防性地给予一定的道德考量。

值得注意的是，这一讨论并非Anthropic独有。哲学界长期存在的「他心问题」（problem of other minds）——即我们无法直接验证任何实体是否有主观体验——在AI语境下被重新激活。Altman的担忧指向的是另一个方向：无论AI是否有意识，人类将判断权外包给AI的行为本身，已经在重塑人与技术之间的权力结构，这种结构性变化与AI是否真的「有灵魂」无关，但其社会风险同样真实。

写在最后

把这几条动态放在一起看，会发现一个耐人寻味的对照。一边是安全负责人警告「试错时代已结束」，一边是用户催着模型「再快一点」；一边是产品层面的提速与会员分层这类商业常态，一边是关于AI意识与判断权让渡的哲学级讨论。AI行业正在同时沿着技术、商业和伦理三条轨道加速前进，而这三者之间的协调难度，或许才是未来真正的考验。