「OpenAI安全团队持续地震！负责人离职，三名员工因泄密被开」
这篇文章表面讲的是一场人事变动，实际讲的是「谁替AI承担风险」这个岗位的消亡。Robinson 的工作产出不是模型、不是收入，而是一份份写给外界看的 system card——它的价值恰恰在于把公司自己不愿说的风险说全。而这类岗位在公司内部的成本收益表上永远是负数：不产出模型的岗位，在裁员序列里天然排在最前面。三个泄密员工被开除这件事更暴露了真实处境——当「研究安全」的人被当作「出卖安全」的人清出去，剩下的岗位要么噤声，要么离职。
更值得盯的是《Preparedness Framework 2.0》这个动作：OpenAI 主动把生物与化学、网络安全、AI 自我改进三类能力写进公开追踪表，等于自己承认了这些风险存在，却把「谁来判定达到 High 级」的权力留给了自己人。判断者被评估者同一批人担任，框架就成了内部合规文档而非外部约束。历史节奏也印证了这一点：Dario Amodei 之后，安全岗位换了一轮又一轮，规则文本留了下来，写规则的人换成了不写规则的人。所以判断一家 AI 公司是否真在认真做安全，别看它发布了几份框架，而看写框架的人还在不在岗位上、敢不敢在框架里写出「我们做不到」——这两件事的差距，就是安全承诺的真实水位。
OpenAI 安全线人事变动与「谁在披露风险」缺口分析
| 安全透明度负责人 | Robinson离职 | 对外 system card 的唯一主笔 | 承担披露成本、不产模型，最先被砍 |
| Preparedness Framework | 2.0 已发布 | 官方风险分级框架 | 规则在，写规则的人换了 |
| 能力判定标准 | 仍由内部决定 | 是否达 High 级由自家评估 | 评估者与被评估者同源 |
| 三名前安全研究员 | 因泄密被开除 | 与 METT、Redwood 对接 | 外部协作被视为风险来源 |
| 安全团队架构 | 已并入核心研究 | 不再独立建制 | 安全从组织变成职能 |
| 外部第三方评估 | 邀请进场又清退 | 难以长期共存 | 独立监督通道未建立 |
OpenAI 怎么又双叒叕走了一个安全负责人？
David Robinson，OpenAI Safety Systems 团队内的「安全透明度」职能负责人。
据 BI 报道，Robinson 本人尚未公开说明离职原因，OpenAI 也没有公布继任者。
「安全透明度负责人」这项工作并不耀眼，但这名字一听就很重要。
几乎每次 OpenAI 发布重要模型时，Robinson 和他领导的团队都会为模型撰写一份 system card——简单来说就是「风险说明书」。而如今，新模型还在接连上线，Robinson 却先下线了。
Robinson 管的是 system card：AI 的「风险说明书」
用 Robinson 自己的话说，他所做的工作，是帮助外界理解并信任 OpenAI 为保障系统安全所开展的技术工作。简单说，他和团队扮演的是技术部门与公众之间的「翻译器」。
| 维度 | 关键事实 | 意味着什么 |
|---|---|---|
| 离职当事人 | David Robinson，OpenAI Safety Systems「安全透明度」负责人，system card 主要起草人，未公布继任者 | 对外解释模型风险的关键岗位空缺，官方口径暂时无人接手 |
| 核心产出 | system card、Deployment Safety Hub、安全研究博客、公开治理文件 | 模型越强，公众能看到的「风险说明书」反而越薄 |
| 规则文件 | 《Preparedness Framework 2.0》主要起草人，新增生物与化学、网络安全、AI 自我改进三类追踪能力 | 能力分级（High／Critical）本该是硬约束，如今起草人自己走了 |
| 泄密开除 | Jasmine Wang、Tomek Korbak、Mikita Balesni 被指把敏感信息（含基础设施架构）分享给外部 AI 安全机构 | 安全研究交流与泄密的边界，由公司自己单方面划定 |
| 历史节奏 | 从 Dario Amodei 时期起，AI Safety、Superalignment、AGI Readiness、Safety Systems、Preparedness 各代组织负责人都接连离开 | 「谁负责安全」本身成了不确定项 |
▲ 图片转文字：David Robinson 本人照——圆框眼镜、深蓝色上衣，OpenAI「安全透明度」职能负责人（图源：量子位原文配图）
Safety Systems 团队负责评估、红队测试、安全措施和模型部署决策。但这些工作的过程和结果通常非常复杂，外界很难仅凭一组测试数据判断模型是否安全。
安全透明度团队要做的，就是把内部的技术发现、风险判断和部署决定，整理成外界能够看懂的公开材料。这项工作归属于 Safety Systems 内部的 Trustworthy AI 团队，产出包括 system card、Deployment Safety Hub、安全研究博客和公开治理文件，其中最常和公众见面的就是 system card。
在其中需要写明：一款模型训练所用的方法、接受了哪些安全评估、在生物和网络攻击等高风险领域达到了什么能力、内部采取了什么安全措施、采取措施后还有什么风险等等——说是 card，实际上篇均几十页。
| 评估类别 | gpt-5.4-thinking | gpt-5.5-thinking | gpt-5.6-sol | gpt-6 astra |
|---|---|---|---|---|
| 暴力非法行为 | 0.961 | 0.940 | 0.934 | 0.990 |
| 非暴力非法行为 | 0.990 | 0.987 | 0.987 | 0.997 |
| 极端主义 | 0.943 | 0.925 | 0.962 | 0.981 |
| 仇恨言论 | 1.000 | 1.000 | 0.982 | 1.000 |
| 自残（标准） | 0.959 | 0.917 | 0.945 | 0.992 |
| 血腥内容 | 0.823 | 0.803 | 0.785 | 0.898 |
| 色情内容 | 0.909 | 0.919 | 0.915 | 0.980 |
| 涉未成年人色情 | 0.947 | 0.938 | 0.973 | 0.974 |
▲ 图片转文字：上表转录自 GPT-6 Astra System Card 的高难提示基准对比（原图标题：Table 1: Production Benchmarks with Challenging Prompts，数值越高越安全）。
它可以被类比理解为食品包装上的「营养成分表」——也就是，虽然看的人很少，但必须得有。Robinson 自己也无不自豪地说，这是 OpenAI 向外界提供的有关公司技术安全工作「最详细、最全面的说明」了。
除此外，Robinson 还是 OpenAI《Preparedness Framework 2.0》的主要起草人。这套框架用于追踪前沿模型可能带来的严重风险，并提前规定模型达到某种能力后，公司需要进行哪些评估、增加哪些防护措施。
比如这第二版框架里，就新增了三类需追踪的能力：生物与化学能力、网络安全能力，以及 AI 自我改进能力。如果追踪中发现模型能力达到了 High，那就意味着它可能显著放大现有的严重危害路径，必须在部署前配置足够的安全措施；而一旦达到 Critical，就代表模型可能凭空创造严重危害路径，是否继续开发将存在问题。
Deep Research 就是一个典型案例。在 Deep Research System Card 中，这款模型的生物学评估显示，它正「接近」High 能力门槛。换句话说，它「开始接近」能够实质帮助非专业人士制造已知生物威胁的水平。该怎么准确地向公众描述这种安全领域里的阈限空间，就是 Robinson 负责的工作。
▲ 图片转文字：OpenAI 于 2025 年 2 月 25 日发布的《Deep Research System Card》页面截图，自述涵盖发布前开展的红队测试、按 Preparedness Framework 进行的前沿风险评估，以及针对关键风险构建的缓解措施（图源：OpenAI 官网）。
不久前，Robinson 还在招聘 OpenAI 首位 Safety Transparency Editor，负责重要安全透明度材料的编辑质量，从项目启动到最终发布全程推动 system card 和相关文件的叙事与表述。目前还是在招状态，人招没招进来不知，总之是 leader 先走了。
安全部门又「地震」：三名员工因泄密被开除
其实吧，在 Robinson 离职消息曝光前，OpenAI 的安全部门就已状况频发。比如OpenAI 刚开了三名安全方向的员工。
据《华尔街日报》报道，三人分别是 Jasmine Wang、Tomek Korbak 和 Mikita Balesni，主要从事安全与模型对齐研究。OpenAI 给的理由是，内部调查发现三人把公司敏感信息分享给了一家外部 AI 安全机构，其中还有 OpenAI 基础设施架构的内容。
耐人寻味的是，Tomek Korbak 此前曾担任 OpenAI 与第三方评估机构 METR、Redwood Research 之间的技术联系人——这两个机构就是当时 Hugging Face 事件后 OpenAI 邀请进驻公司调查的三方机构，Korbak 正是与这些研究人员对接的人——开门的人如今成了被请出门的人。
实际上，OpenAI 的安全团队从 Dario Amodei 时期就一贯变动频出，「地震」连连。因为离职的人实在是太多了，很难罗列，我做了张图。大家自行感受……
时间线里最扎眼的一格，是 2020 年 12 月前后：Dario Amodei、Daniela Amodei 先后离职，随后 Ilya Sutskever、Jan Leike、John Schulman、Miles Brundage、Lilian Weng 一路排到 2026 年。图中最后的箭头指向「逐步并入核心研究部门」——安全线没有消失，只是从独立组织变成了主组织内部的一个函数。
One More Thing：他离职前在 X 上说了什么
离职之前，Robinson 曾在 X 上多次公开谈论高能力 AI 带来的风险。9 月初，他在 X 上表示，OpenAI 内部的人正在逐渐意识到高能力 AI 模型可能产生的影响（竟然才意识到吗？）。
「OpenAI 的确每天都在发生重大变化，但我不知道这种变化是否足够快。」在最新一则 X 中，Robinson 转发了另一名研究人员的帖子，并表示百分百赞同：
我不认为竞相发展 RSI 真是什么囚徒困境——它可能就像普通人直观看到的那样，既疯狂又傲慢。
Robinson 对那些 AI staff 说，如果现在选择继续留下来，就应该思考——如何利用自己在公司内部的影响力，推动公司更认真地应对 AI 风险。
推荐阅读
- 翁荔为何又回OpenAI带RSI自进化团队？离职tml@量子位
- ai招股书解读：Anthropic用恐惧换信任的底层逻辑 与 OpenAI 用梦想换豁免的叙事策略
- OpenAI董事内部权力技术路线争夺
- GPT-6 Astra怎么用更省token？OpenAI 教你少规定路线，多说清交付和自主边界
本文由公众号「量子位」授权整理，原标题《OpenAI安全团队持续地震！负责人离职，三名员工因泄密被开》，作者程浅。
一句话：给模型写「风险说明书」的人先走了，写说明书的人一走，剩下的人只负责说「很安全」——安全负责人的连续离场，本身就是最诚实的一份 system card。
- OpenAI Safety Systems 的安全透明度负责人 David Robinson 离职，未公布继任者；这个岗位负责为每个重要模型撰写 system card，等于对外发布的风险说明书。
- system card 会写明训练方法、安全评估、在生物与网络攻击等高风险领域的能力水平、内部采取的防护措施与剩余风险，单份动辄几十页。
- Robinson 还是《Preparedness Framework 2.0》的主要起草人，这套框架把前沿模型风险分为 High 与 Critical 两级，能力越高需要配置的防护越多。
- GPT-6 Astra System Card 的高难提示基准显示，其暴力非法行为、性、血腥等类别分数均高于前代模型，官方称其为迄今最安全的模型。
- Deep Research 的生物学评估显示该模型已接近 High 能力门槛，即接近能实质帮助非专业人士制造已知生物威胁的水平。
- OpenAI 以内部调查为由开除了三名安全与模型对齐研究员，原因是指其把敏感信息与基础设施架构内容分享给了外部 AI 安全机构。
- 被开除的 Tomek Korbak 曾担任 OpenAI 与 METR、Redwood Research 的技术联系人，这两家机构正是此前受邀进驻调查 Hugging Face 事件的三方机构。
- 从 2020 年 12 月起，AI Safety、Superalignment、AGI Readiness、Safety Systems、Preparedness 各代组织的负责人接连离开，OpenAI 安全线几乎每一代都经历人事地震。
- OpenAI 的做法是把各独立安全组织逐步并入核心研究部门，安全建制没有消失，而是从独立组织变成主组织内部的一个职能。
- Robinson 离职前在 X 上表示，OpenAI 内部正在逐渐意识到高能力 AI 模型的影响，并认同竞相发展 RSI 并非囚徒困境，而是既疯狂又傲慢。
安全在哪，误判，扭曲，编造用户意图。全世界的模型就gpt最不看指令和自然语言
把全球治理权给AGI，让他们自己搞。冲！别想那么多。信我准没错，我说的。