報告發現，中國 AI 開發商僅為 3.6% 的模型發布公開安全性測試

Reuters、The Economic Times 與 marketscreener.com 引述的一份報告稱，中國 AI 開發商僅公開披露了 3.6% 模型發布的安全性測試結果。這項發現顯示，模型發布速度與使用者、監管機構及企業買家可取得的安全性證據數量之間存在顯著落差。

報告的標題統計數字，是目前報導中可取得的核心事實。所提供的來源資料並未說明報告作者、樣本數、時間範圍、模型發布的定義，或哪些測試被計入公開披露。這些細節很重要：發布可能指主要基礎模型、微調變體、面向應用程式的模型或其他類型的更新；而「已發布的安全性測試」可能涵蓋從正式評估報告到有限版模型卡的各種形式。

即使考慮到這些限制，3.6% 這個數字仍與決定模型能否部署於敏感工作流程的團隊有關。公開文件是外部使用者在將資料、資金與營運責任交給模型之前，評估模型已知失效模式、測試涵蓋範圍與限制的少數方式之一。

這項發現及其限制

所提供的三個來源使用相同的新聞標題，看起來是同一篇通訊社報導的不同版本，而非三項獨立調查。Reuters 是這組來源中主要具名的通訊社來源，而 The Economic Times 與 marketscreener.com 則轉載或介紹了相同發現。三者的一致性支持所報統計數字確實存在，但並未獨立驗證其背後的方法論。

目前可取得的證據並不能證明 96.4% 的中國模型從未接受測試。它所說的是，這些發布並未公開安全性測試，這是不同的主張。開發商可能進行內部評估但不公開結果，也可能以報告未涵蓋的格式發布資訊，或將測試結果提供給客戶與主管機關，而非一般大眾。

這項區別對採購很重要。缺乏公開證據並不等於證明模型不安全，但確實限制了獨立研究人員與買家驗證開發商說法的能力。因此，這項統計應被視為透明度指標，而不是模型風險的直接衡量。

為何公開安全性證據很重要

對 AI 建構者與產品團隊而言，安全性測試只有在與明確的部署情境連結時才有用。通用模型可能在客服助理中表現尚可，但若用於醫療建議、金融決策、程式碼生成或存取內部系統，可能以造成嚴重風險的方式失效。

公開的評估能幫助團隊從不只是準確率的角度比較模型。評估可能揭示系統如何處理有害請求、敏感資訊、提示操縱、幻覺、偏見或工具使用，也能顯示開發商是否針對可能在生產環境出現的對抗性輸入測試模型。

報告所稱的公開比例顯示，許多買家可能被迫依賴私下文件、供應商保證或自行測試。這會將成本與責任轉移到下游。一家將模型整合進產品的新創公司，可能必須從頭建立評估計畫；大型企業則可能要求合約承諾、稽核存取權，以及隨模型變化而進行的重複測試。

對模型建構者與買家的影響

直接的含義並不是應排除中國 AI 模型。相反地，買家在將其部署到高影響力工作流程前，可能需要更嚴格的證據要求。這些要求可能包括模型卡、版本化評估結果、事件報告、紅隊測試摘要，以及清楚說明哪些內容未經測試。

模型開發商也面臨實際取捨。公開詳細的安全性結果可能暴露弱點或增加審查，但能為客戶提供信任基礎，並減少市場上的重複測試。對參與國際競爭的開發商而言，透明報告可能成為產品的一部分，而不只是可選的溝通活動。

對建構者而言，3.6% 的發現再次凸顯獨立評估的必要性。團隊應在應用程式實際使用的提示、工具、檢索系統與權限條件下，測試計畫使用的確切模型版本。公開基準測試無法取代針對部署情境的測試；缺乏公開測試時，應提高驗證程度，而不是停止分析。

這個問題也與監管機構和平台營運商有關。如果模型發布頻繁，而安全性文件不一致，僅根據公開發布公告進行的監督將無法完整掌握市場。監管機構可能更重視揭露義務，雲端與應用程式平台則可能為提供給企業客戶的模型制定自己的文件要求。

接下來值得關注的事項

首先應關注的是原始報告本身：作者、資料集、時間範圍，以及計算已發布安全性測試的標準。沒有這些資訊，就無法可靠地將 3.6% 與其他國家的開發商或更早時期進行比較。

接下來要看主要中國模型開發商是否開始為新發布提供標準化評估。有用的揭露應說明模型版本、測試設計、限制、已知失效案例與評估日期。跨版本的持續報告會比一次性的安全性聲明更有資訊價值。

企業買家也應關注雲端供應商與大型軟體平台的採購要求。如果這些中介機構在列出或整合模型前開始要求安全性文件，即使監管仍不明確，透明度也可能成為商業要求。

最後，研究人員應尋找公開測試是否與更好的營運結果相關的證據。僅有更多報告並不能證明模型更安全；評估的品質、獨立性與相關性，將比發布文件的數量更重要。

Creati.ai 的觀點

報告所稱的 3.6% 比例，最好被理解為對可見性的警示，而不是對所有中國 AI 模型的判決。由於現有報導沒有提供報告的方法論，讀者不應將這個數字視為開發商能力或模型安全性的完整衡量。

它的重要性在於對 AI 採用者造成的決策負擔。當公開測試罕見時，產品團隊必須透過更強的內部評估、更嚴格的部署控制及文件化監控來補足。對市場而言，競爭優勢可能越來越屬於那些不僅能展示具備能力的模型，也能提供可重複證據，說明模型在哪些地方有效、在哪些地方失效的開發商。