英国 AISI 把开源模型纳入威胁模型：AI 安全评估正从“能不能开放”转向“如何持续监测”
英国 AI Security Institute 最新公开分析显示，领先开放权重模型在网络能力上已接近数月前的闭源前沿模型。对企业和开发者来说，重点不再只是讨论模型是否开放，而是要建立发布前审计、上线后监测与补丁响应机制。
过去一年，开放权重模型从“便宜、可部署”的技术选项，变成了企业 AI 战略里无法绕开的基础设施。英国 AI Security Institute（AISI）近日连续发布开放权重与网络安全相关分析，把讨论拉回到一个更具体的问题：当模型权重可以被下载、微调和离线运行时，企业应该如何评估和管理它们在网络攻防场景中的能力边界？
核心事实：开放权重模型与闭源前沿的时间差正在缩短
AISI 在最新网络能力评估中比较了领先开放权重模型与闭源前沿模型的表现。其结论并不是“开放模型已经全面追平”，而是更值得关注：部分开放权重模型在特定网络任务上的表现，已经接近几个月前的闭源前沿模型。换句话说，安全团队过去用“开放模型总会慢一大截”来估计风险的经验，正在变得不够稳妥。
这与 AISI 此前对 GPT-5.5、Claude Mythos Preview 等模型的网络能力观察相互呼应：长链路推理、代码理解、工具调用和更高测试时计算预算，会让模型在漏洞研究、逆向分析和多步骤模拟攻击中的有效能力继续上升。开放权重模型一旦具备类似能力，风险传播会更难由单一供应商控制。
为什么这件事适合中文 AI 资讯站关注？
中文 AI 生态正在快速采用本地部署、私有化推理和行业微调方案。开放权重模型降低了成本，也让数据不必回流给云端供应商，这对金融、制造、政企和教育场景很有吸引力。但同一组优势也意味着：模型可以在企业内网、个人设备或第三方服务商环境里长期运行，传统的“API 调用审计”无法覆盖全部使用链路。
- 对企业 CTO/CISO：模型选型要同时看能力、许可证、供应链来源、权重分发渠道和可审计性。
- 对 AI 产品团队：不能只在提示词层做安全限制，应考虑数据过滤、工具权限、沙箱和日志追踪。
- 对开发者：本地模型用于代码和运维场景时，要避免把生产凭据、内网资产清单和高权限脚本直接暴露给代理。
影响：AI 安全治理从“发布前结论”走向“运行中能力监测”
开放权重模型的治理难点在于，模型发布后可以被复制、裁剪、量化、蒸馏和再训练。AISI 在风险管理文章中强调，开放生态需要组合式工具箱：发布前全访问审计、训练数据治理、能力评估、模型卡披露、下游监测，以及对高风险工具调用的限制。任何单一措施都不足以形成强保证。
这也给企业 AI 落地提出了新的运营要求：安全评估不能停留在采购阶段，而要像漏洞管理一样持续更新。NCSC 早前提出“补丁浪潮”的说法，提醒组织准备面对更快的漏洞发现与修复节奏。随着 AI 代理能更快发现、验证甚至复现缺陷，安全团队的响应流程会成为企业能否安全使用 AI 的关键瓶颈。
适合哪些人重点关注？
如果你负责企业大模型私有化、AI 代码助手、Agent 平台、红队评估、云安全或开源模型治理，这条动态值得加入周报。它不是单纯的监管新闻，而是提示企业：开放权重模型的价值会继续提升，风险治理也必须从“是否允许下载”升级为“下载后如何持续受控地使用”。
