Center for AI Standards and Innovation (CAISI) теперь формально превращается в орган, имеющий доступ ко всем frontier-моделям США перед выходом на рынок.
CAISI работает внутри NIST — Национального института стандартов и технологий, который разрабатывает эталонные стандарты для всего: от часов до криптографии. До 2025 года CAISI назывался US AI Safety Institute. Переименование произошло под AI Action Plan: смещён акцент с «безопасности» на «стандарты и инновации» и приоритеты национальной безопасности.
Что планируют тестировать?
Три направления, которые CAISI озвучил публично: кибербезопасность, биобезопасность и химическое оружие. Тестирование пройдёт в засекреченных окружениях. CAISI открыто заявил, что будет работать с моделями, у которых сняты safeguards. То есть оценивать «голые» возможности без штатных ограничений.
Параллельно компании сообщат, какие у моделей есть скрытые возможности, обнаруженные в ходе внутреннего red-team тестирования. Уже выполнено более 40 оценок — преимущественно постфактум, после релиза.
Главный вопрос — компетенции
NIST исторически силён в измерительной науке: эталоны массы, времени, частот, криптографические стандарты (AES, SHA), методология тестирования сетей. CAISI наследует эту инженерную культуру. В апреле 2026 центр опубликовал содержательный технический отчёт о том, как ИИ-модели обходят agentic-оценки и значит умеет проводить нетривиальные исследования. Также CAISI уже провёл оценку DeepSeek V4 и опубликовал результаты с конкретными метриками.
Но есть структурный разрыв, который индустрия признаёт открыто.
Frontier-модель уровня GPT-5.5 или Mythos обходится в обучении в сотни миллионов долларов, и компании-разработчики тратят такие же суммы на внутренние safety-команды с десятками исследователей с зарплатами, которые государство платить не может. CAISI меньше лабораторий, которые он должен проверять, на порядок.
Есть три механизма, которыми CAISI закрывает этот разрыв:
1️⃣ TRAINS Taskforce. Это межведомственная группа экспертов из FBI, Министерства обороны, разведсообщества. Они дают экспертизу по конкретным угрозам, таким как биооружие, киберугрозы. В этих секторах специалисты лучше любых ML-инженеров.
2️⃣ Соглашения о совместной разработке методологии. По заявлению Microsoft, в новом соглашении компания и NIST совместно дорабатывают подходы к adversarial-тестированию: общие фреймворки, датасеты и воркфлоу. То есть индустрия фактически сама учит регулятора как себя проверять.
3️⃣ Привлечение некоммерческой лаборатории CRADA с OpenMined и MOU с GSA для оценок при федеральных закупках. CAISI подключает внешние силы там, где не хватает собственных.
Пока остаются открытыми три вопроса.
➡️ Как CAISI будет находить уязвимости класса Mythos в моделях OpenAI или Google, если для этого нужен сравнимый по мощности инструмент? Mythos нашёл 271 уязвимость в Firefox за месяц — у CAISI такой системы нет.
➡️ Что произойдёт при разногласии? Соглашения добровольные. Если CAISI сочтёт релиз небезопасным, а компания посчитает иначе, то судебный механизм пока не определён.
➡️ Распространится ли практика на opensource-модели? DeepSeek V4 уже оценивали постфактум, но pre-deployment контроль над открытыми весами технически невозможен.
Следующие месяцы покажут, превратится ли pre-deployment оценка в реальный инженерный контроль или останется ритуалом доверия.
💬 Тест Тьюринга. События в сфере ИИ. Подписаться