白宮與Anthropic聯手制定AI安全分級框架：越獄漏洞評分、出口管制與規則監管的推動

爭議核心：什麼是「危險的越獄漏洞」？

出口管制的直接導火線是一個據報的「越獄」（jailbreak）方法——一種繞過模型安全護欄的技術。但雙方對其嚴重性存在嚴重分歧。

• Anthropic的立場： CEO Dario Amodei在與官員的緊急通話中辯稱，該越獄漏洞是**「狹窄的」且「非普適性的」**——不是一種可以被廣泛利用的系統性繞過方法。該公司公開表示，政府僅提供了「關於一個潛在的狹窄、非普適性越獄的口頭證據」。Anthropic在一篇博客文章中表示：「我們不同意發現一個狹窄的潛在越獄漏洞就應該成為召回商業模型的原因。」
• 政府的立場： 白宮認為，在一個具有先進網路攻擊能力的模型（Fable 5的部分設計目的就是識別軟體漏洞）上，任何被證實的安全護欄繞過行為都是一種不可接受的國家安全風險，特別是在這些模型仍然可以被外國對手訪問的情況下 。

分歧迅速升級。據多方報導，Amodei在與政府官員的通話中進行了強烈的反擊，稱政府的擔憂是誤解，談判一度幾乎完全破裂 。

白宮將Fable 5指定為其新AI行政命令護欄的測試案例，協調商務部、財政部和白宮本身共同處理 。政府擔心該模型的能力可能使中國能夠獲得網路安全攻擊工具及其他危險的雙重用途技術 。

從對抗到協商：建立統一合規框架

出口管制危機發生後的幾天內，白宮和Anthropic從對抗轉向結構化談判 。2026年4月17日，Amodei與白宮官員會面，這次會談被描述為富有成效的休戰談判——這是自Anthropic與五角大樓發生摩擦以來的首次高層接觸 。

隨後的高層討論中的關鍵人物包括美國商務部長Howard Lutnick、國家網路總監Sean Cairncross以及Anthropic聯合創始人Tom Brown 。政府為Fable 5測試案例協調了商務部、財政部和白宮 。

這些會談中產生的核心項目是建立一個統一合規框架，用於評估前沿AI模型中安全漏洞（特別是越獄漏洞）的嚴重性 。該框架旨在創建通用基準，以評估安全缺陷是否應導致政府干預 。

統一評分系統：三項標準

該框架的核心是一個統一的越獄漏洞評分系統。儘管官方標籤（例如「嚴重」、「高」、「中」、「低」）或詳細評分標準尚未公開，但該框架據報根據三項風險評估標準評估漏洞 ：

1. 繞過的防護措施 —— 哪些安全護欄（例如憲法分類器、即時過濾器）被攻破。
2. 暴露的能力 —— 哪些危險的模型能力（例如網路攻擊、生物指導、化學合成）變得可訪問。
3. 實際世界影響 —— 該越獄漏洞在大範圍內被利用的容易程度以及可能造成的損害。

政府的目標是利用這個評分系統建立清晰、預先定義的風險門檻，自動決定是否實施出口管制、要求補救措施或阻止部署——而不是在危機發生後採取應急措施 。

政府的戰略目標：從被動應對轉向規則監管

政府的總體目標是從被動的、危機驅動的干預轉向基於規則的系統 。通過與Anthropic共同制定評分框架和風險門檻，白宮旨在：

• 為AI實驗室創造可預測性，明確哪些情況會觸發政府行動。
• 建立描述漏洞嚴重性的共享術語。
• 避免未來再出現模型公開發布後，又因出口管制而被突然關閉的情況——正如Fable 5和Mythos 5所經歷的那樣。

關鍵不確定性： 該框架的詳細標準、範圍或時間表尚未公開。多個媒體報導了這三項風險評估標準（繞過的防護措施、暴露的能力、實際世界影響），但具體的評分方法尚未公佈 。

G7的廣泛背景

美國與Anthropic的框架制定是在G7關於AI安全標準的討論背景下進行的。G7一直在努力協調評估前沿AI風險的國際基準 。白宮和Anthropic正在建立的統一評分系統預計將為這些更廣泛的多邊會談提供信息，並從中汲取信息，但具體的G7成果仍在談判中 。

未來展望

該框架的制定標誌著美國AI政策的重大轉變。就在出口管制事件發生前幾天，Amodei發表了一篇政策文章，主張政府應擁有強制性法律權力，以阻止或逆轉未能通過獨立安全測試的前沿AI模型的部署 。6月12日的危機以一種出乎意料的對抗方式考驗了這一原則。

仍然懸而未決的關鍵問題是：如何界定一個狹窄的、可管理的漏洞與一個需要政府干預的系統性風險之間的界線。這個答案將不僅影響Anthropic未來的模型發佈，也將塑造前沿AI開發的更廣泛監管格局。