斯坦福报告：AI透明度集体倒退！IBM夺冠，马斯克xAI垫底

最近，美国斯坦福大学等团队发布了一份名为《2025 年基础模型透明度指数》（FMTI，The 2025 Foundation Model Transparency Index）的报告。其中，IBM 以透明度得分最高夺冠，xAI 和 Midjourney 则垫底。

该报告揭示了一种令人担忧的趋势：随着技术的发展，尽管基础模型在性能等各方面持续进步，但其在数据使用、模型训练和下游影响等方面的透明度却出现了集体倒退。

这是该报告自 2023 年以来发布的第三个年度版本，就像通过量化透明度为各大基础模型开发者做一次“体检”。

本次评估共包括 13 家基础模型公司，其中既有阿里巴巴、DeepSeek 和马斯克的 xAI 等首次纳入报告的企业，也有 IBM、OpenAI 等老牌科技巨头。为使评估更全面，今年的报告中还涵盖了数据获取、使用数据和监控等方面的新指标。

从报告的整体结果来看，尽管 2024 年报告显示模型透明度有短暂的改善，但 2025 年的报告指出，透明度指数正呈现倒退：各基础模型的平均得分从 2024 年的 58 分下降到 2025 年的 40 分，几乎与 2023 年报告首次发布时的水平相当（备注：100 分为满分）。

报告显示，公司在其旗舰模型的训练数据、训练计算以及模型部署后的使用和影响方面信息披露最为有限。尽管公司在模型能力评估和风险评估方面披露较多，但在方法透明度、第三方参与、可复现性和训练-测试数据重叠报告方面仍存在挑战。

从各公司的表现来看差异明显，其中 IBM 以 95 分获得透明度最高得分，xAI 和 Midjourney 得分最低，仅 14 分。中国的两家公司 DeepSeek 和阿里巴巴在透明度的得分则位于中下游。

可以看到的是，公司特征和透明度指数在某些程度上存在着一些有趣的关联，例如开放模型开发者、以企业为中心的 B2B 公司、自行准备透明度报告的公司以及签署欧盟 AI 法案通用目的 AI 行为准则的公司得分高于平均水平。

那么，透明度越高就意味着模型越好吗？

清华大学邱寒副教授告诉 DeepTech，“这里的透明度不等同于我们常识认为的开源，而是由一系列明确的打分表组成的量化指标——如果不按照这个指标披露相关的数据（而不是什么都没披露），那么这项指标得分就是 0。”

以阿里巴巴 Qwen 和 DeepSeek 得分均为 0 的使用数据、影响、部署后监控三项指标为例：它们都各自含有更详细的评测指标，得分为 0 并不等于什么都没有披露，而这些计算指标的方法与开源、安全、性能并不能直接划等号。

需要了解的是，透明或开源也并不意味着模型性能更好。从这份报告来看，透明度得分最高的模型（IBM 的 Granite 3.3），在实际应用场景种的性能表现并不是最顶尖的那批模型。

试想一下，如果有一个任务要做，你是会去选择微调 Qwen3 或 Claude 的 API，还是会因为透明度得分更高而选择 Granite 3.3？

邱寒认为，透明度是安全的前提，但必须明确不一定是报告中定义的透明：如果公司拒绝披露任何模型生产相关的信息，比如版权内容、隐私数据的滥用确实难以发掘和确认；模型的偏见和价值观更难评测，确实会给安全和治理带来一定的影响。更糟的是，一旦严重安全事故发生，还可能引发更粗暴的安全监管策略落地，反而进一步限制了大模型技术的进步。

该报告提到，随着全球政策制定者越来越多地要求某些类型的透明度，这项工作揭示了基础模型开发者的当前透明度状态，透明度可能如何变化，以及需要更积极的政策干预来解决哪些关键信息问题。

正如邱寒所指出的那样，黑盒模型的评测技术可以在一定程度上弥补不透明的问题，而当前的透明与否也只是暂时状态。随着模型落地的深化和监管机制的完善，最终目标是“公司不需完全公开，但模型行为可测、声明可证、安全可控”。

总之，表面上看公司信息披露程度影响透明度，但本质上这需要一种权责归属的清晰界定。通过这份报告对透明度倒退的警示，我们需要看到，未来需要构建一种综合的激励机制，来理解、评估并最终确保模型的安全与可信。

参考资料：

https://arxiv.org/abs/2512.10169

运营/排版：何晨龙