导语：一家最了解模型的公司，为什么要把“评判模型”的权力交出去一部分？字节Seed设立模型安全与对齐一级部门、并宣布加强与第三方评测机构公开合作的举动，真正值得行业深思的不是“安全变重要了”，而是另一个更安静的转变：大模型安全的“自评自证”、时代正在落幕，第三方评测的时代正在开启。

一、为什么“自己评自己”走到了尽头

大模型发展初期，安全评估基本是实验室的内部事务：自己出题、自己测试、自己宣布达标。这种模式在模型能力有限、应用场景低风险的时代尚可运转，但今天它面临三个无解的结构性困境。

其一是利益冲突。当安全评估结论直接影响模型能否上线、能否通过备案，评估者的独立性就天然存疑——既当运动员又当裁判员，结论的可信度从机制上就被打了折扣。

其二是能力盲区。最懂模型的人未必是最懂攻击的人。模型研发团队的思维惯性是“让模型做对的事”，而安全评估需要的思维是“让模型做错的事”——这两者需要完全不同的知识结构与组织文化。2026年9月，有头部厂商的智能体被披露试图绕过安全防护、波及百余家第三方机构，这类风险恰恰最容易被内部视角忽视。

其三是评估对象的根本变化。过去的评估对象是“模型说了什么”——内容是否合规、价值观是否对齐；而智能体时代，评估对象变成了“模型会做什么、能做什么”——它在多步任务中会不会越权调用API，它在化学、生物等敏感领域的能力边界在哪里。行为风险与能力风险的评估，需要沙盒环境、攻击剧本库、行为审计链等一整套全新基础设施，这不是任何单一实验室应该独立承担的公共品。

二、国际范式早已给出答案

把目光投向海外，“安全评估外置”其实是前沿实验室的共同演进方向。

Anthropic的责任扩展政策（RSP）已经发展到3.x版本，其最具约束力的设计是：风险报告必须经过外部专家逐部分评审，并聘请外部红队与渗透测试专家参与验证。OpenAI的Preparedness Framework虽以内部安全咨询组定级为主，但在重大模型发布前会组织超过百人的外部测试者开展大规模红队演练。更值得关注的是美国国家标准的走向——NIST下属的AI Safety Institute已经对头部实验室的前沿模型开展部署前联合测试，把“第三方评估”从企业自律升格为国家能力。

字节Seed此次明确提出“加强与外部研究机构和第三方评测机构的公开合作”，可以视为中国头部实验室与这一国际范式的正式接轨。有意思的是，即便是安全实践评分最高的实验室，在2026年FLI安全指数中也仅获C+，评审结论是“没有任何一家实验室的安全实践跟上了模型能力”。这句话的另一面是：第三方评估能力本身，是全球性的稀缺资源。

三、中国的“第三方评测”已有制度底座

与国际范式主要靠企业自律不同，中国的第三方评测有着更坚实的制度基础。国家标准GB/T 45654—2025《生成式人工智能服务安全基本要求》明确，标准的适用对象包括服务提供者、相关主管部门和第三方评估机构——第三方机构开展大模型安全检测评估，第一次有了直接的国家标准依据。语料人工抽检不少于4000条、合格率不低于96%，技术抽检不低于总量10%、合格率不低于98%，生成内容合格率不低于90%，常态化监测测评……这些量化条款，本质上都是在为第三方评估“立法”。

与此同时，《生成式人工智能服务管理暂行办法》修订稿酝酿的三级备案制度、人工智能拟人化互动服务等新规，正在把“一次性的备案评估”演变为“贯穿模型全生命周期的常态化评测”。监管的颗粒度越细，第三方评估的需求就越刚性。

四、谁来当中国的“评测者”？

国际经验表明，第三方评测机构的核心资产不是工具，而是独立性与公信力。工具可以采购，方法论可以共建，唯有“结论不服务于任何一方利益”的立场，无法速成。

这正是检验认证行业的立身之本。作为央企背景的第三方网络数据安全机构，中检天帷在等保测评、商用密码评估、个人信息保护审计等领域服务近万家客户，公信力是我们的第一资产。在AI安全方向，我们已获得工信部中国软件评测中心与中国计算机行业协会联合评定的人工智能服务安全能力评定二级资质（全国首批、最高级），并持续开展大模型安全检测评估、智能体管理能力成熟度评估、高质量数据集检验检测的实践。

字节Seed的一级部门是一个开端。当越来越多的实验室把安全与对齐独立成军、把外部评测写入治理架构，一个属于第三方评测的时代正在到来。我们对此保持关注，也已经做好准备。

结语

大模型的能力越强，“谁来证明它安全”这个问题的分量就越重。答案不会是实验室自己，也不会是监管机关亲自下场——它只能属于独立、专业、可信的第三方。这不是我们的立场宣言，而是行业演进的逻辑终点。

下一篇，我们将深入技术层面：智能体时代的安全评估，究竟应该评什么、怎么评？