В анализе от 8 октября SemiAnalysis нашла опубликованные результаты безопасности для 31 из 857 выпусков; к запуску они были доступны только для девяти анализ от 8 октября, SemiAnalysis подсчитала 857 выпусков девяти разработчиков из Китая с 2021 года по 15 сентября 2026 года. Опубликованный результат безопасности был найден для 31 выпуска (3,6%). Только для девяти (1,1%) результат появился не позднее запуска модели.

Эти цифры описывают то, что исследователи смогли найти в открытых материалах разработчиков. Они не показывают, сколько моделей тестировали приватно, и не свидетельствуют о безопасности какой-либо конкретной модели.

Главное изменение

  • Что изменилось: SemiAnalysis оценила масштаб пробела в документации на определенном наборе выпусков: для девяти из 857 к дню запуска публике был доступен результат безопасности конкретной модели.
  • Почему это важно: Тем, кто оценивает модель при ее запуске, нужны результаты для именно этой версии. Общее заверение о проведенном тестировании или результат, опубликованный позже, не отвечает на тот же вопрос в тот момент.
  • За чем следить: Для последующих выпусков полезен датированный результат, связанный с точной моделью и доступный в момент, когда пользователи впервые получают к ней доступ. Доля раскрытия в аудите может меняться по мере появления документов, но поздняя публикация не меняет того, что было доступно в день запуска.

Что учитывал аудит

По данным SemiAnalysis, перепись охватывала 741 выпуск продуктовых моделей и 116 выпусков исследовательских моделей Alibaba, ByteDance, Tencent, Baidu, DeepSeek, Moonshot, Zhipu (Z.ai), MiniMax и StepFun. Для каждого выпуска исследователи установили первую дату публичного доступа, а затем изучили карточки моделей, примечания к релизам и технические отчеты разработчиков в поисках результата безопасности, который можно было сопоставить с этим выпуском.

Подходящий результат должен был содержать количественный или содержательный вывод об идентифицированной модели. Темы включали вредоносные ответы, устойчивость к джейлбрейкам, токсичность, конфиденциальность, поведение при отказе и опасные возможности. Утверждение о том, что модель обучали или оценивали с точки зрения безопасности, без конкретного вывода не засчитывалось. Исследователи также не переносили результат для одной флагманской модели на другие размеры или более поздние снимки.

Из-за строгого правила сопоставления важен знаменатель. 857 записей — это учтенные выпуски, включая варианты, а не 857 одинаково мощных передовых систем. SemiAnalysis отмечает, что разработчики называют варианты с разной степенью детализации. Поэтому подсчет позволяет изучать документацию в этом наборе выпусков, но не служит надежной основой для ранжирования отдельных компаний.

Когда появились результаты

Из 31 выпуска с подходящим опубликованным результатом девять имели его к моменту запуска или раньше. Еще 16 были задокументированы позднее; по данным SemiAnalysis, медианная задержка в этой группе составила 42 дня. Для остальных шести исследователи не смогли установить время или связать результат с конкретной моделью. Эти шесть входят в 31 выпуск с каким-либо опубликованным результатом, но их нельзя считать раскрытием в день запуска.

Остальные случаи также требуют точных формулировок. SemiAnalysis нашла 10 выпусков с заявлением об оценке, но без чисел, и три, известные только по сообщениям прессы или инвесторов, для которых не удалось получить документацию разработчика. В проверенных материалах исследователи не нашли раскрытия сведений о безопасности для 813 выпусков. Вместе эти группы и 31 выпуск с результатами составляют 857.

В материале Reuters об анализе также подчеркивается, что компании могли проводить частные тесты. «Раскрытие не найдено» описывает изученную здесь публичную документацию. Это не доказывает, что тестов не было; опубликованный тест сам по себе тоже не устанавливает базовую безопасность модели. В этом аудите SemiAnalysis не представила сопоставимую долю выпусков для разработчиков из США.

Читателю, выбирающему или оценивающему модель, полезно сделать простое различие: определить точную версию, найти датированный результат именно для нее и проверить, был ли он доступен при выпуске модели. Такие данные показывают, что разработчик сделал публичным. Это лишь часть оценки пригодности модели для конкретной задачи.

Источники и дополнительное чтение