Anthropic 发布负责任扩展政策第 3 版

背景：什么是负责任扩展政策

负责任扩展政策（Responsible Scaling Policy）是 AI 开发者公开的一份文件，提前写明当模型能力提升到某个程度时，自己会采取哪些安全措施。这类文件通常不承诺一套永久不变的防护，而是把具体措施与可测量的能力门槛挂钩，使「要不要多加一道防护」的判断在模型出现之前就作出，而不是在时间压力下临时决定。文件的意义在于可核对：公司之外的人可以拿当初写下的承诺与后来实际做的事相对照。

第 3 版改了什么

2026 年 2 月 24 日，Anthropic 发布负责任扩展政策第 3 版（3.0），是对这份文件的全面重写^[1][2]。最明显的结构变化是把内容拆成两部分：一部分写明 Anthropic 自己会做的事，另一部分则是面向整个行业的「能力—缓解措施对照表」（capabilities-to-mitigations map）^[1]。Anthropic 把改写后的单边承诺形容为更现实的承诺，即困难但可以实现^[1]。

所谓「能力—缓解措施对照表」，是把某一类模型能力与相应的防护措施对应着写下来。放在整个行业的层面上，它不是一家开发者自己能定下来的事，因此与公司对自身作出的承诺分开处理，单边承诺指的就是公司自己能够决定、自己就能执行的那部分。

两份新的公开文件

重写之后增加两项报告义务，各自对应一份具名文件。

第一份是前沿安全路线图（Frontier Safety Roadmap）。Anthropic 承诺发布一份覆盖安全、对齐、防护措施与政策的路线图，并公开给自己的进展打分^[1]。事先把要做的领域写下来，再公开评级，意味着进展评估是外部可见的，而不只是留在公司内部。

第二份是一系列风险报告（Risk Reports），内容涵盖模型能力、威胁模型与缓解措施，每 3 至 6 个月发布一次^[1]。在某些情形下，这些报告还要接受外部专家评审^[1]。路线图加上定期报告，使这份政策带上了时间表：一份附有评级的计划，加上对模型能做什么、公司如何应对的周期性说明。

2026 年内的连续修订

3.0 版并不是终点。2026 年 4 月至 7 月间，3.1 到 3.4 版相继发布^[2]。这一系列改动中包括由长期受益信托（Long-Term Benefit Trust）审查风险报告^[2]。也就是说，在这次重写之后的几个月里，政策又经过数次修订，负责监督公司的长期受益信托也参与到风险报告的审查之中。

为什么这样的结构值得注意

3.0 版的设计中有两点值得分开来看。

第一是单边承诺与集体承诺之间的界线。一家开发者可以决定自己做什么，却不能单凭自己决定整个行业采用什么样的缓解措施。把两者写进同一份文件，就把哪些承诺在公司自己掌控之内、哪些取决于其他方是否同样行动，摆到了明面上。

第二是节奏。一份只发布一次、公开评级的路线图，加上每 3 至 6 个月一轮的风险报告，使政策变成带有日期的周期性义务，而不是发一次就搁在那里的声明。4 月至 7 月间相继发布的几个版本，说明文本确实在按这样的节奏被修订^[2]。

这类承诺是否真的被履行，与它怎么写是两回事。公开发布路线图、公开评级、定期出报告，其作用在于：这个问题至少可以对照具体文件来问，而不只是对照一般性的表态。