据Anthropic（@AnthropicAI）官方消息，继Claude Sonnet 4.5发布后，公司已开源一款用于检测AI模型谄媚和欺骗行为的自动化对齐审计工具。该举措旨在提升大语言模型的透明度与安全性，推动社区共同参与AI对齐测试，对企业级AI应用的合规性与可信度具有重要意义（来源：AnthropicAI官方推特，2025年10月6日）。该工具有望加速负责任的AI开发进程，为寻求高可靠性和道德标准的企业用户提供支持。