本文根据 Anthropic CEO Dario Amodei 的文章编译整理，非逐字翻译；文中观点均属于原作者。
最近，围绕开放权重模型，尤其是中国开放权重模型的讨论明显升温。有报道称，一些美国官员正在考虑限制美国企业使用来自中国的开放权重模型；与此同时，多家科技公司签署公开信支持开放权重，也有人认为 Anthropic 希望借助禁令保护自身商业利益。
Dario Amodei 在文章中直接否认了这一说法：Anthropic 从未主张把开放权重模型作为一个整体加以禁止。对于尚不具备危险能力的模型，开放权重可以降低使用门槛，除运行所需的计算资源外几乎不再产生额外成本，也能为企业、开发者和研究人员创造公共价值。
真正担心的两类风险
Amodei 认为，保护主义式的禁令没有触及他最关心的国家安全问题。他把风险分成两类。
第一类风险是，威权国家可能训练出比美国更强的模型，并将其用于军事优势、情报活动或对国内社会的深度压制。按照他的判断，这类模型是否公开权重、是否被美国企业采用，都不是问题的关键。最危险的模型甚至可能完全秘密训练，只向军方或情报机构提供。
第二类风险来自能力很强的模型本身：它们可能被用于网络攻击、生物攻击，也可能暴露出严重的对齐问题。在这一点上，开放权重模型确实可能比闭源模型更难治理——权重一旦发布，防护措施可以被移除，模型能够在不受监控的私有环境中运行，也无法再被统一撤回。
但他同时强调，禁止正规美国企业使用这些模型，并不能阻止真正的恶意行为者。这样的政策或许会减少美国 AI 企业面对的竞争，却无法直接降低上述风险。
Anthropic 主张的三项措施
文章提出了三个更有针对性的政策方向。
限制高性能芯片与制造设备的流出
Amodei 主张，不应向中国出售高性能芯片和先进芯片制造设备，同时需要打击芯片走私以及规避出口限制的做法。
他的依据是模型能力与训练算力之间的规模规律：如果难以获得美国芯片，而本土先进芯片产能又有限，中国就更难训练出超过美国前沿水平的模型。这项措施直接针对国家间的能力竞争，也会间接限制那些难以受到美国法律约束的高风险模型训练。
打击工业规模的模型蒸馏
与从头训练模型相比，蒸馏可以用更少的计算资源获取较强能力。因此，大规模蒸馏可能削弱芯片出口限制的效果，让受限制的一方更快接近前沿水平。
文章认为，部分从事这类活动的公司最终会发布开放权重模型，但“开放权重”不是问题的根源。真正需要应对的是有组织、工业规模的蒸馏行为，因此更合适的工具是针对性的法律与商业规则，而不是禁止所有开放权重模型。
Anthropic 也在自身产品中识别并封禁疑似用于大规模蒸馏的账户。不过，相关操作往往依赖大量不断变化的虚假账户，单靠一家公司的平台治理很难彻底解决，仍然需要政策层面的配合。
对足够强的模型进行强制安全测试
无论模型开放还是闭源，只要能力达到足够高的水平，都应该在发布前接受网络安全、生物安全和对齐风险测试。能力较弱的创业公司或学术模型，则不应被同一套高强度要求覆盖。
在 Amodei 看来，开放模型是否一定带来更大风险、现有手段能否降低风险，都应该通过严格测试和实际证据来回答，而不是事先根据发布方式下结论。文章也提到，模块化训练等研究方向可能为开放权重模型提供新的安全手段。
这类测试若要真正有效，还需要形成全球性的协调机制。对于防止 AI 被用于制造生物武器等各方都可能受害的问题，有限合作并非完全没有可能。
与开放权重公开信的共识和分歧
Amodei 认同公开信中的部分判断：开放权重能让更多人参与 AI 经济，在一些场景中促进竞争，也让用户对模型拥有更强的控制权。对于蒸馏问题，他同样倾向于采用有明确目标的法律和商业框架。
分歧在于，他不认为开放权重必然更有利于开发安全防护，也不认为能力的广泛扩散一定会让防守方比攻击方获益更多。
文章以生物安全为例说明这种担忧：如果强大模型能显著降低制造严重生物威胁的知识门槛，攻击者可能快速采取行动，而疫苗、药物和公共卫生响应往往需要更长时间。究竟哪一方更占优势，应当由发布前的实证测试回答，而不是依靠乐观假设。
结论
Anthropic 的立场并不是禁止开放权重模型。它主张区分模型能力和具体风险，不以“开放”或“闭源”作为唯一判断标准。
对应的政策重点也很明确：限制威权国家获取训练前沿模型所需的先进芯片，阻止工业规模的模型蒸馏，并要求所有达到足够能力水平的模型在发布前接受安全测试。相比全面禁令，这些措施更直接地指向模型能力扩散与高风险用途。