斯坦福给AI打透明度分：Llama 2第一，GPT‑4竟然只排第三

如果你以为最强的AI一定最透明，这份斯坦福最新榜单会直接打脸。研究者用100个指标给主流大模型打分，结果显示：Meta 的 Llama 2 拿下第一，但也只及格一半；而整个行业，在“黑箱”这件事上几乎是集体失分。

一个反直觉的结果：最“开放”的模型，也只拿了54分

这次争议的源头，是斯坦福 HAI 联合 MIT、普林斯顿推出的「Foundation Model Transparency Index」。他们干了一件很多人嘴上说、但没人系统做过的事：只基于公开信息，量化衡量主流基础模型到底有多透明。

结果很炸裂——排名第一的不是大家印象里“技术最强”的模型，而是 Meta 的 Llama 2。但更炸裂的是：即便拿了第一，它的总分也只有 54%。换句话说，在研究者设计的 100 个透明度指标里，行业标杆模型，也只完成了一半。

榜单前列还包括：OpenAI 的 GPT‑4 排名第三，Stability AI 的 Stable Diffusion 排第四；Google PaLM 2、Anthropic Claude 2 分列第五、第六。而在另一端，Inflection、Amazon Titan 等模型的分数低到只有二三十分。

这传递出的信号非常明确：问题不是“谁更透明”，而是“没有谁真的透明”。

他们到底在量什么？这100个指标比你想的狠

很多人第一反应是：这种榜单会不会主观？但这套方法论，恰恰是它最难反驳的地方。

研究团队列出了整整 100 个透明度指标，分成三大块：
- 上游（Upstream）：模型是怎么被“做出来”的——用了什么数据、多少算力、什么标注劳动力；
- 模型本身（Model）：架构、能力、已知风险；
- 下游（Downstream）：模型怎么被发布、使用、更新，以及使用政策和反馈机制。

关键点在于：他们只看公开信息。你内部知道但不说，在这个体系里等于零分。这正中“透明度”这个概念的要害。

拆分数据后，一个行业级别的尴尬暴露无遗：
- 在“训练数据”这一项，10 个模型的平均得分只有 20%；
- 最高的是 BLOOM（约 60%），Llama 2 约 40%；
- 多数模型，直接是 0–20%。

相比之下，“模型基础能力”这种不太敏感的内容，平均分能到 63%。这说明问题不在于不会披露，而在于——不想披露哪一部分。

开源 vs 闭源：差距不在代码，而在“上游秘密”

这份榜单几乎是为“开源是否更透明”这场争论，提供了迄今最硬的一次数据支撑。

前四名里，三个是开放模型：Llama 2、BLOOM、Stable Diffusion。研究者发现，真正拉开差距的不是模型能力，而是上游信息披露：
- 训练数据：开放模型平均 47%，闭源模型只有 9%；
- 劳动力与算力：开放 43%，闭源 6%；
- 方法论披露：开放模型高达 92%，闭源只有 29%。

有意思的是，闭源模型并非全线溃败。在“能力评估”“风险与缓解”“使用政策”这些下游维度，闭源模型反而略占优势。这背后的原因很现实：API 模式更容易控制使用方式，也更容易写清楚规则。

但研究者点出一个反常识的结论：很多下游透明度指标，本来更“有利于”闭源模型，但它们依然没拉开明显优势。这说明问题不只是商业模式，而是态度。

为什么巨头不透明？法律、竞争、安全，还是借口？

榜单发布后，舆论迅速分裂。

一边是《纽约时报》作者 Kevin Roose 的直球表态：“我们不能在黑箱里搞 AI 革命。”

另一边，风投大佬 Vinod Khosla 直接开喷：要求企业披露细节“幼稚”，会扼杀投资、甚至“帮助中国”，他还拿曼哈顿计划作类比。

Roose 在报道中拆解了 AI 公司最常见的三大理由：
1）怕被起诉——训练数据一透明，版权官司就找上门；
2）怕被抄——所谓“秘制数据集”和微调技巧是护城河；
3）怕不安全——信息公开会加速军备竞赛。

研究者的态度很明确：这些理由解释了动机，但不能成为行业长期不透明的正当性。尤其是最后一点——“如果你觉得披露会引发军备竞赛，那我们现在难道不是已经在竞赛里了吗？”

总结

这份透明度榜单真正重要的，不是排名，而是它暴露了一个被长期回避的现实：AI 行业的黑箱，并不是技术必然，而是选择结果。更值得注意的是，100 个指标里，有 82 个至少被一家模型满足过——这意味着透明度并非遥不可及，只是没人愿意率先做到。对从业者来说，这会直接影响你选模型、做合规、谈合作的判断；对政策制定者来说，这套指标可能比口号更有用。一个现实的行动建议是：下次评估模型时，别只问“效果如何”，而是多问一句——哪些信息，它选择不告诉你？

关键词： AI透明度， Llama 2， GPT-4， 开源模型， AI安全

事实核查备注： 需核查：1）Foundation Model Transparency Index 发布机构与参与高校（Stanford HAI、MIT、Princeton）；2）各模型具体得分：Llama 2 约54%，Stable Diffusion 47%，PaLM 2 40%，Claude 2 36%，Inflection 21%，Amazon Titan 12%；3）平均透明度分数约37%；4）100个指标中82个至少被一家开发者满足；5）相关评论者：Kevin Roose、Vinod Khosla、Sam Altman 的观点表述时间与原文措辞。