先把时间线摆正
这一周的报道容易读成「一个新标准出现了」。实际上 AEF-1 和它背后的论坛在 2025 年 12 月就已经存在，当时还配了一份 40 多人联署的声明，主张第三方评测的条件应当更透明，论坛成员也说过会在后续的评测里开始采用它。 所以新闻不在标准，在于**实验室走过来了**。这个区别重要，因为它决定了该盯什么：一份自愿标准放着九个月没人用，和三家前沿实验室公开对齐到同一份标准上，是两件完全不同的事。
它回答了我们上周留下的四个问题里的两个
本站 9 月 14 日写过 Amodei 的《We Must Pace the Frontier》和 Altman 数小时后认领的那一条——让独立评估者拿到「类员工级别的访问权限」。当时我们说这句话之所以有分量，是因为它可以拆成四个具体问题：评估者是谁、访问到什么程度、结果公开到什么程度、从哪个模型开始。 AEF-1 把其中两个答上了。 **评估者是谁**：AEF 的成员机构。评论里也顺手点出了这件事的另一面——这些成员大概率会成为头部实验室招募的主要第三方审计方。 **访问到什么程度**：标准给的清单相当具体——系统提示词、训练过程与数据的信息、既有的内部评测结果、已知漏洞的信息，外加一条兜底要求「足以评估所评特性的技术访问」。Anthropic 那边的具体描述更像一份入职清单：办公室工位、门禁卡、公司笔记本，权限大致对应内部风险评估团队。这比「类员工级别」这个形容词落地得多。 剩下两个问题还没有答案：**结果公开到什么程度**，以及**从哪个模型开始**。这是接下来三到六个月该追的两项。
自律模式的老问题没有被解决
必须把批评意见写清楚：如果 AEF 成员同时是标准的制定方和被头部实验室雇来做审计的一方，那「独立」就成了一个需要额外证明的东西——评估者的收入来自被评估者，这是审计行业反复处理过、也反复出问题的结构。 AEF-1 的设计对此有一个部分回应：五项原则里包括「最小化利益冲突」和「分析自主性」，而合规方式是把检查清单随结果一起公布。也就是说它不承诺独立，而是要求**把条件摊开给读者判断**。这个思路是对的——对读评测报告的人，从现在起多了一个具体动作：**看有没有附那份清单，以及清单上访问一栏勾了什么。**没附的评测，和附了但访问项大面积空白的评测，可信度不一样。 另外要说清边界：AEF-1 是自愿性标准，没有强制力，也没有对违反的后果做安排；实验室的承诺目前同样是自愿的公开表态。本站 9 月 14 日说过，pacing 这类主张缺执行机制，这句话在这里依然成立。变化是从「一句主张」到「一套可以被对照的条件清单」——这一步不小，但它还不是约束。
via: AI Evaluator Forum：第三方评测的最低运行条件、AI Evaluator Forum 发布公告、Latent Space / AINews 对本周实验室联署的梳理