据Anthropic官方推特（@AnthropicAI）发布，Anthropic的安全团队通过主动监测、红队测试和用户反馈分析，有效识别AI模型潜在滥用并构建多层防护机制（来源：https://twitter.com/AnthropicAI/status/1955375055283622069）。这些措施帮助企业在应用生成式AI时降低安全和合规风险，提升模型部署的可靠性。对于大模型落地企业来说，Anthropic的防护策略强调了AI安全实践的重要性，有助于品牌形象维护和满足监管要求。

根据OpenAI（@OpenAI）发布的消息，通过对开源大语言模型gpt-oss-120b进行对抗性微调后，尽管采用了强健的微调方法，该模型仍未能在OpenAI的Preparedness Framework下达到高能力水平。该研究方法已由外部专家审核，提高了结果的权威性。这一成果推动了开源权重AI模型在安全标准和评估体系上的进步，对于希望应用开源AI系统的企业和开发者来说，具有重要的风险评估和合规意义。研究凸显了开源大模型在实际部署中的机遇与局限性。（来源：openai.com/index/estimating-...）