Anthropic 认为低风险开放权重模型是公共产品，争议焦点应从“开源还是闭源”转向能力是否达到危险阈值，以及发布前是否经过统一测试。
Anthropic CEO Dario Amodei 表示，公司从未主张全面禁止开放权重模型，并认为不具备危险能力的开放模型具有明显公共价值。但对足够强的模型，无论开放还是闭源，都应在发布前接受网络安全、生物风险和对齐能力测试。
争议不应简化成开放与封闭
在 2026 年 7 月 27 日发布的 立场文章中，Amodei 回应了围绕中国开放权重模型及美国政策的讨论。他认为，一刀切禁止企业使用某国开放模型，既不能阻止恶意行为者获取模型，也可能变成保护本国商业竞争者的工具。
开放权重让开发者在本地部署、审计、微调和控制成本，也能扩大研究与教育机会。对能力有限的模型，这些收益通常大于风险。真正棘手的是一旦高能力权重公开，就难以撤回、监控或统一更新保护措施。
Anthropic 主张按能力设门槛
文章提出，所有达到一定能力水平的模型都应接受强制安全测试，而不应先按来源国家或开放方式判断。测试重点包括模型是否能显著帮助网络攻击、生物威胁或出现严重对齐问题。
这种方法的优点是把政策对象从标签转向可测风险。一个小型研究模型不应承担与前沿模型相同的合规成本；一个闭源模型如果能力危险，也不能因为 API 可控就免于测试。
开放权重的风险为何更难逆转
API 模型可以限制账号、监控异常、更新分类器并在必要时下线。开放权重一旦被下载和复制，原发布者就无法保证运行环境继续使用安全微调，也无法阻止他人移除限制。高能力模型的错误发布因此具有长期外溢性。
但这不等于开放模型必然更危险。实际风险取决于模型能力、运行成本、使用门槛和防守方可获得的收益。Anthropic 自己也承认，这些问题应通过严谨评测回答，而不是凭立场预设结论。
开发者应该如何看待
选择开放模型时，除了排行榜和许可证，还应查看系统卡、训练数据说明、已知限制、供应链来源和本地运行权限。企业内部部署并不自动更安全，如果服务器、插件和模型文件缺少治理，数据仍可能泄露。
Anthropic 透明度页面展示了能力和防护如何共同发布。开放生态也需要类似的可验证材料，帮助使用者判断模型适合什么场景，而不是只依赖社区口碑。
YouCanStudy.AI 的判断
开放与安全不是天然对立，真正合理的分界线应是能力和风险。低风险模型应保持广泛可用，前沿模型则需要更强评测和发布责任。对用户而言，与其争论‘开源一定好’或‘闭源一定安全’，不如追问模型能做什么、出了问题能否撤回、谁负责持续维护。