人工智能

3名前OpenAI安全研究员遭解雇后发公开信：担忧内部发声与外部安全合作受影响

2026年10月9日 · admin
OpenMagic API

据 IT之家 10 月 9 日消息，上周被 OpenAI 解雇的三名前研究人员米基塔・巴莱斯尼、托梅克・科尔巴克和贾斯敏・王，于 9 日发表公开信，称公司近期处理方式可能让其他员工在表达安全担忧、与外部机构合作时产生顾虑，进而对 OpenAI 的组织文化形成“寒蝉效应”。三人此前均与 AI 安全或 AI 对齐研究相关，公开信题为《OpenAI 无法独自确保 AI 安全》，收信对象包括 OpenAI 各安全委员会。

openmagic_cn_banner

这起事件的核心争议在于：OpenAI 方面据称经过内部调查后，认为三人违反了敏感信息访问和处理规定；而三名研究人员则分别在社交媒体上表示，公司只是口头告知了解雇原因，并主张相关行为属于其岗位职责范围。对于一家处在前沿模型研发中心位置的公司而言，这不只是一起人事争议，也再次把AI 安全研究的内部治理、外部审计与组织透明度推到台前。

公开信指向：安全问题不能只靠公司内部闭环

三名前员工在公开信中强调，OpenAI“不是一家普通公司”。在他们看来，员工能够放心地与外部安全机构、研究人员沟通，是 OpenAI 过往工作文化的重要组成部分。尤其是在前沿 AI 模型能力快速演进的背景下，模型风险评估、安全测试和对齐研究往往需要跨机构合作，而不是完全由公司内部独立完成。

公开信由巴莱斯尼在社交媒体上发布。来源显示，巴莱斯尼此前从事 AI 对齐研究；科尔巴克和贾斯敏・王此前也都从事 AI 安全研究。三人担心，突然解雇员工并仓促通知当事人的做法，会使其他员工今后不敢像以往那样公开表达意见或推进外部合作，而这些行为在他们看来，直到上周仍是 OpenAI 安全工作的一部分。

三人在公开信中提出了三项建议，重点围绕第三方监督与安全研究协作展开：

  • 允许第三方安全审计人员进驻公司，以便对关键安全流程进行外部监督；
  • 确保前沿 AI 模型仍可受到有效监测，避免安全评估只停留在内部机制中；
  • 支持安全研究人员与 AI 安全领域其他机构和人员保持公开、透明的交流。

双方说法存在分歧：敏感信息处理还是正常工作沟通？

openmagic_cn_banner

据《商业内幕》报道，OpenAI 发言人回应称，公司在内部调查后认定三人违反了敏感信息访问和处理规定。不过，三名研究人员对这一说法提出异议。

贾斯敏・王被指访问了一位高管的电子邮件。她回应称，公司给出的解雇理由“根本站不住脚”。巴莱斯尼则表示，公司告知他，因为他“与第三方安全机构交流过多”，所以不再信任他。他同时强调，自己从未向外部泄露 OpenAI 的知识产权信息，相关工作一直与直属上级、研究部门管理层和董事会保持协调。

科尔巴克也在社交媒体上表示，公司曾口头告知他，解雇原因与其“与 METR 沟通的方式”有关。他称，与 METR 沟通本来就是自己的工作。来源注释显示，METR 是一家负责评估 AI 模型及其安全风险的非营利研究机构。科尔巴克还担忧，OpenAI 可能会以三人被解雇为理由，减少与 METR 的合作。

目前从公开信息看，争议焦点并不只是是否存在违规访问或处理敏感信息，还包括安全研究人员在多大范围内可以接触内部资料、如何与第三方安全机构协作，以及公司是否为这类协作建立了足够清晰、可执行的边界。

OpenAI 内部回应：称解雇与安全发声无关

来源显示，OpenAI 一名研究部门负责人在发给员工的内部备忘录中，对三名前员工提出的三项建议表达了强烈支持。备忘录称，公司感谢他们对 AI 安全工作的贡献，也感谢他们敢于直言和质疑现有观点；公司重视其意见，支持其工作，并给予了很大信任。

不过，该负责人也明确表示，解雇决定与三人提出安全问题或公开发声无关。备忘录称，OpenAI 始终鼓励员工表达意见，未来也会继续如此，不会因为员工提出担忧而解雇员工。

这意味着，OpenAI 试图将“安全发声”与“敏感信息访问和处理规则”区分开来：一方面强调支持安全讨论，另一方面维护内部信息管理制度。但对于外部观察者而言，这种区分是否足够清晰，仍取决于公司能否给出更透明的流程和一致的执行标准。

影响与解读：前沿 AI 公司需要更成熟的安全治理机制

对中文科技读者而言，这起事件值得关注，不仅因为它发生在 OpenAI，更因为它折射出前沿 AI 公司普遍面临的治理难题。大模型能力越强，安全研究越依赖多方评估；但模型权重、训练数据、内部邮件、产品路线等信息又具有高度敏感性。如何让研究人员既能与外部评估机构有效合作，又不突破信息安全边界，是未来 AI 公司必须制度化解决的问题。

从产业角度看，外部安全评估机构与模型公司之间的关系会越来越关键。模型开发商不可能完全依赖自我评估来证明系统安全，第三方审计、红队测试、风险监测和透明沟通机制都将成为前沿模型发布前后的重要环节。如果安全研究人员因边界不清而承担高风险，企业内部可能会出现不愿主动暴露问题、不愿跨团队沟通、不愿与外部机构合作的倾向，这正是公开信所担忧的“寒蝉效应”。

不过，另一方面，AI 公司对敏感信息进行严格管控也有现实必要。前沿模型研发涉及商业机密、用户数据、未发布系统能力和安全漏洞，任何不当访问或传播都可能带来重大风险。因此，真正的问题不在于是否需要规则，而在于规则是否清楚、执行是否一致、申诉和审查机制是否足够可信。

这起争议尚未有更多细节公开，但它已经提醒行业：随着 AI 模型进入更高风险、更高影响力阶段，企业文化中的“鼓励发声”不能只停留在口号上，还需要可验证的制度安排。对于 OpenAI 这样的公司来说，能否在安全透明、员工信任与信息管控之间找到平衡，将直接影响外界对其 AI 安全承诺的判断。