Petri 是 Anthropic 开源的一款 AI 安全审计工具，用于让大语言模型充当自动审计员，对其他模型进行行为测试，帮助发现潜在的安全隐患。2025 年 Anthropic 宣布将 Petri 及其配套数据集以开源形式捐赠，使其成为目前为数不多公开可用的前沿模型对齐评估基础设施之一。
Petri 的近期进展
当前焦点与观察点
Petri 目前的讨论集中在三个层面。其一是开源后的实际采用情况：社区能否基于它复现出 Anthropic 报告中的审计结果，将决定这类工具的可信度。其二是方法学问题——当评估本身由 LLM 驱动时，如何确认审计员模型没有引入系统性偏差，相关验证研究仍在推进。其三是同名术语的干扰：Petri 既是 Anthropic 的审计工具，也是 Petri 网这一图论建模方法的简称，检索和讨论中需要区分语境。
总体来看，随着前沿模型的自动化评估需求上升，Petri 所代表的“开放基础设施 + 第三方可验证”路线，可能成为模型安全审计从厂商自查走向社区共治的一个参照点。