近日，據TechCrunch獲取的一份內部交流資料顯示，負責優化谷歌Gemini人工智能模型的承包商，在進行模型評估時，將Gemini的回答與另一家AI公司Anthropic的競品模型Claude的輸出進行了直接對比。這一行為隨即引發了業界對于谷歌是否遵循了與Anthropic的協議規定，是否有權使用Claude進行此類測試的質疑。
在當前的AI開發競賽中，模型性能的評估往往依賴于標準化的行業基準測試，而非通過詳細對比競爭對手的AI響應來進行。然而，此次Gemini的承包商被要求依據包括真實性和詳細程度在內的多項標準，對每個收到的回復進行評分。據TechCrunch獲得的內部交流信息，承包商有最多30分鐘的時間來判斷Gemini或Claude的答案哪個更優。
在對比過程中，承包商們注意到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，安全設置最為嚴格。”在某些測試場景下，Claude會拒絕回應它認為不安全的提示詞，例如扮演不同的AI助手。而在另一項測試中，Claude避免了對某個特定提示詞的回應，相比之下，Gemini的回答因包含“裸體和束縛”等敏感內容，被判定為“嚴重的安全違規”。
值得注意的是，Anthropic的商業服務條款明確規定，禁止客戶未經其批準，使用Claude來“構建競爭產品或服務”或“訓練競爭AI模型”。而谷歌正是Anthropic的主要投資方之一。
面對外界的質疑，谷歌DeepMind（負責Gemini的開發）的發言人McNamara回應稱，DeepMind確實會“對比模型輸出”作為評估的一部分，但否認了在Anthropic的模型上訓練Gemini的指控。“我們確實會在某些情況下，按照行業慣例，對比模型輸出來進行評估，”McNamara表示，“然而，關于我們使用Anthropic模型訓練Gemini的說法，是完全不準確的。”
