OpenAI与Anthropic合作进行模型安全性评估，结果显示Claude 4模型在遵循指令方面表现良好，但在抵抗越狱攻击上不及OpenAI的模型。Claude模型在幻觉评估中的拒绝率高达70%，显示出其对不确定性的意识。两家实验室的合作将提升模型的安全性和对齐性，未来将继续改进评估方法。