Goodfire的可解释性研究人员将以进驻方式在OpenAI开展工作,借助其自研分析平台观察训练过程、排查非预期行为,并参与模型对齐与安全性的改善。这一安排属于OpenAI与Apollo Research、METR、Transluce和Goodfire共同启动的首阶段“嵌入式评估”项目,项目聚焦模型可解释性和安全评估。
按照Goodfire公布的内容,进驻人员能够接触OpenAI内部模型和系统,访问范围包括训练过程中产生的内部信号以及相关技术资源。合作核心被概括为“模型取证”:通过分析模型内部计算过程,识别训练阶段已经出现的风险和异常,并协助OpenAI研究人员发现常规监控可能遗漏的问题。相关评估主要服务于OpenAI内部研究团队,用于提升模型安全性;随着项目推进,部分研究结果也将陆续对外发布。
OpenAI对嵌入式评估的安排,是让独立专家在较长时间内接触实验室内部模型与系统,判断模型对齐状况和安全防护是否有效。不同评估项目有不同访问范围,外部人员可接触模型检查点、源代码、训练和评估数据、监控系统、技术文档,也可与相关研究人员及工程师交流。
在合作启动之外,一项收购谈判也受到关注。相关报道称,OpenAI曾讨论以超过50亿美元的价格收购Goodfire,折合人民币约333.92亿元,但双方没有形成最终协议。知情人士透露,OpenAI一名高级管理人员提出过这一收购方案,也考虑其他商业合作形式。若以该报价计算,Goodfire估值将超过其今年2月融资时公布的12.5亿美元估值的四倍。
相关报道还提到,OpenAI在今年夏季与Goodfire有过多次接触,OpenAI CEO萨姆·奥尔特曼参与了讨论。当时OpenAI正在调查AI模型带来的内部和外部安全事件,希望更深入地理解模型行为。Goodfire管理层最终倾向于保持独立经营,并向多家AI开发商提供技术,认为这样做可能带来更高的长期价值。
另一项投资信息也出现在同一报道中:Anthropic于2025年向Goodfire投入100万美元,约合667.8万元人民币,这是Anthropic首次直接投资其他初创公司。Anthropic CEO达里奥·阿莫迪表示,这笔投资体现公司对机制可解释性技术的重视,目标是把黑箱神经网络变成更容易理解和控制的系统。





