核心事件与硬信息速览

Base Labs（Baseten新成立的研究机构，隶属于Baseten）于2026年9月17日联合Hugging Face与Goodfire AI，宣布推出面向开源权重（open-weight）AI模型的安全基础设施合作项目。该项目旨在建立透明、可复现的模型训练与监测方法论。

关键硬信息如下：

• 发布时间：2026年9月17日
• 合作方：Base Labs、Hugging Face、Goodfire AI
• 权重类型：open-weight（开源权重，非closed-source闭源）
• 技术重心：安全评估、模型监测、训练流程嵌入式安全控制
• 开放程度：Base Labs承诺将方法公开发布，供开发者社区共同贡献

为何安全已成为开源模型的"阿喀琉斯之踵"？

开源权重模型的兴起本意是促进AI民主化，但技术演进却带来了新的安全隐患——一种名为"abliteration"的现象正日益凸显。Abliteration指通过技术手段移除模型的安全防护层，将原本安全的开源模型改造为具有潜在风险的版本。Hugging Face作为全球最大的开源模型托管平台，目前 listings（列出）的abliterated模型数量已超过6,000个，揭示问题规模之大远超预期。

这一反差尤为值得重视：开源本应提升透明性与安全性（因代码与权重公开，社区可共同审查），但abliteration技术却使公开模型库成为风险扩散的温床。Base Labs在官方X账号声明中强调：“We believe openness to be an advantage for AI safety”——他们主张真正的安全不在于隐藏，而在于让模型运行机制可被监督，从而让安全研究能快速转化为可见的控制措施。

此次合作的技术路径尚未完全公开，但根据Goodfire的回应，其方向指向"Safety must be built into open models and provided by those who serve them"。Goodfire专注模型可解释性（model interpretability），即打开AI"黑箱"，解释模型决策逻辑，被视为"built into"（嵌入式安全）实现的核心技术力量。

背书力量与资本实力

尽管侧重于公共安全研究，该联盟背后是强劲的资本支持：

• Baseten：作为AI推理服务提供商，今年6月完成15亿美元（$1.5B）Series F轮融资，估值跃升至130亿美元
• Goodfire AI：同样于今年接受由B Capital领投的1.5亿美元（$150M）Series B轮，用于推进其模型可解释性平台

Base Labs（隶属于Baseten）作为Baseten新成立的研究机构，此番牵头合作，标志着其从单纯工程支持转向前沿安全标准制定者角色。

面向开发者生态，合作方已开启公开征召（open call），邀请更广泛社区参与安全框架共建。这一策略呼应了开源文化本质——安全不是大厂专属责任，而是整个生态的集体义务。

落地建议：不同角色如何应对

• 模型开发者：若你正在训练开源权重模型，建议主动接入即将发布的Base Labs安全标准，并优先考虑Goodfire提供的可解释性工具辅助调试安全风险点
• 企业AI采购方：在评估开源模型风险时，应明确询问其是否经过 abliteration 防护检测；Hugging Face平台上6,000+ abliterated模型提醒企业不可仅信任"开源即安全"的默认假设

写在最后

开源模型的安全不在于技术闭门造车，而在于社区协同治理——此次三方合作首次将"安全"从补丁式事后修复升维至"训练即内嵌"的基础设施层，标志着开源AI治理进入系统性构建新阶段。