近日，据TechCrunch获取的一份内部交流资料显示，负责优化谷歌Gemini人工智能模型的承包商，在进行模型评估时，将Gemini的回答与另一家AI公司Anthropic的竞品模型Claude的输出进行了直接对比。这一行为随即引发了业界对于谷歌是否遵循了与Anthropic的协议规定，是否有权使用Claude进行此类测试的质疑。
在当前的AI开发竞赛中，模型性能的评估往往依赖于标准化的行业基准测试，而非通过详细对比竞争对手的AI响应来进行。然而，此次Gemini的承包商被要求依据包括真实性和详细程度在内的多项标准，对每个收到的回复进行评分。据TechCrunch获得的内部交流信息，承包商有最多30分钟的时间来判断Gemini或Claude的答案哪个更优。
在对比过程中，承包商们注意到Claude的回答似乎更加注重安全性。有承包商在交流中提到：“Claude在所有AI模型中，安全设置最为严格。”在某些测试场景下，Claude会拒绝回应它认为不安全的提示词，例如扮演不同的AI助手。而在另一项测试中，Claude避免了对某个特定提示词的回应，相比之下，Gemini的回答因包含“裸体和束缚”等敏感内容，被判定为“严重的安全违规”。
值得注意的是，Anthropic的商业服务条款明确规定，禁止客户未经其批准，使用Claude来“构建竞争产品或服务”或“训练竞争AI模型”。而谷歌正是Anthropic的主要投资方之一。
面对外界的质疑，谷歌DeepMind（负责Gemini的开发）的发言人McNamara回应称，DeepMind确实会“对比模型输出”作为评估的一部分，但否认了在Anthropic的模型上训练Gemini的指控。“我们确实会在某些情况下，按照行业惯例，对比模型输出来进行评估，”McNamara表示，“然而，关于我们使用Anthropic模型训练Gemini的说法，是完全不准确的。”
