AI Safety Index: suurimad mudelifirmad kukkusid ohutuse raskemas testis läbi
Future of Life Institute'i uus AI Safety Index näitab, et ka parimad tehisaruettevõtted jäävad ohutus- ja juhtimispraktikates keskpäraseks. Anthropic juhib, kuid saab üldhindeks vaid C+.
Lühidalt
Future of Life Institute avaldas 7. juulil 2026 AI Safety Indexi suvise väljaande, mis hindas üheksat juhtivat tehisaruettevõtet 37 näitaja ja kuue ohutusvaldkonna põhjal. Hindamise tegid seitse sõltumatut tehisaru- ja valitsemiseksperti.
Ükski ettevõte ei saanud üheski kategoorias hinnet "A". Anthropic oli üldarvestuses esimene, kuid ka tema koondhinne oli vaid C+. OpenAI ja Google DeepMind said C, Meta tõusis neljandaks ning xAI langes seitsmendaks.
Kõige nõrgem valdkond oli eksistentsiaalne ohutus ehk valmisolek juhtida riske, mis võiksid tekkida inimtasemel või sellest võimekamate süsteemide puhul. Future of Life Institute'i hinnangul on kogu tööstuse tegevus selles osas endiselt ebapiisav.
Eesti ja Euroopa ettevõtete jaoks on praktiline järeldus lihtne: mudeli pakkuja ohutuslubadusi ei saa võtta enesestmõistetavana. Tarnijavalikus tuleb kontrollida mudelikaarti, ohutusraamistikku, andmekasutust, auditivõimalust ja vastavust Euroopa tehisarumääruse nõuetele.
Future of Life Institute'i uus AI Safety Index annab tehisarutööstusele karmi hinnangu: isegi parimad mudelifirmad ei saa ohutuse ja juhtimise vallas head hinnet. 7. juulil 2026 avaldatud suvine indeks hindas Anthropicu, OpenAI, Google DeepMindi, Meta, xAI, Z.ai, DeepSeeki, Alibaba Cloudi ja Mistrali tegevust kuues valdkonnas: riskihindamine, praegused kahjud, ohutusraamistikud, eksistentsiaalne ohutus, juhtimine ja aruandekohustus ning teabe jagamine.
Tegemist on uuringu- ja turuanalüüsi tüüpi looga. Raport ei mõõda mudelite nutikust, kiirust ega ärilist edu, vaid seda, kui tõsiselt ettevõtted avalike dokumentide, teadustööde, mudelikaartide, ajakirjanduskajastuse ja ettevõtetele saadetud küsitluse põhjal riske juhivad. Metoodika järgi koguti tõendeid kuni 3. juunini 2026, mis tähendab, et hilisemaid sündmusi raport ei arvesta.
Peamine järeldus on ebamugav. Anthropic püsis esikohal, kuid sai üldhindeks vaid C+. OpenAI ja Google DeepMind said C. Meta parandas positsiooni, tõustes kuuendalt kohalt neljandaks, kuid jäi hindega D+ endiselt nõrgale tasemele. xAI langes neljandalt kohalt seitsmendaks ning koos DeepSeeki ja Mistraliga sai üldhinde F.
Mida AI Safety Index mõõtis
AI Safety Index on Future of Life Institute'i korduv hindamisraamistik, mis võrdleb juhtivate tehisaruettevõtete ohutus- ja juhtimispraktikaid. Suvine 2026. aasta väljaanne hindas üheksat ettevõtet 37 näitaja alusel. Hindamise tegid seitse tehisaru- ja valitsemiseksperti, kelle individuaalseid hindeid ei avaldatud.
Hindamises kasutati nii avalikult kättesaadavat infot kui ka ettevõtete endi vastuseid. Future of Life Institute'i järgi vastasid küsitlusele Anthropic, OpenAI, Google DeepMind, Meta ja Z.ai. Alibaba Cloud, xAI, DeepSeek ja Mistral ei vastanud. Axiosi kokkuvõtte järgi tähendab see, et peaaegu pooli ettevõtteid hinnati ilma nende lisaselgitusteta.
Oluline on aru saada, mida indeks ei tee. See ei ole ametlik regulatiivne audit ega tehniline sertifikaat. Future of Life Institute on selge maailmavaatega organisatsioon, mis on aastaid rõhutanud arenenud tehisaru katastroofilisi riske. Seetõttu tuleb indeksit lugeda kui mõjukat, kuid mitte neutraalset turva- ja valitsemishinnangut.
Samas ei tee see raportit ebaoluliseks. Indeks koondab avalikud ohutusraamistikud, mudelikaardid, teadusartiklid, ettevõtete lubadused ja nende hilisemad muudatused ühte võrdlusvaatesse. See on kasulik just seetõttu, et enamik ettevõtteid esitleb oma ohutustegevust eraldi, enda valitud sõnastuses.
Kõige nõrgem koht on eksistentsiaalne ohutus
Eksistentsiaalne ohutus tähendab siin ettevõtte valmisolekut juhtida riske, mis võivad tekkida väga võimekate süsteemide puhul: näiteks autonoomne väärkäitumine, kontrolli kaotus, kübervõimekuste väärkasutus või olukord, kus mudelid osalevad uute, veel võimekamate süsteemide arendamises. See on AI Safety Indexi kõige nõrgem valdkond kogu tööstuses.
Axiosi teatel leidis hindamispaneel, et Anthropic, OpenAI, Google DeepMind ja Meta on nõrgestanud või tühistanud varasemaid lubadusi peatada arendus, kui nende süsteemid lähenevad ette määratud ohupiiridele. Paneel nimetas seda "väravapostide nihutamiseks" ning leidis, et see õõnestab ohutusraamistike usaldusväärsust.
Raport tunnistab, et ettevõtted teevad tööd interpretatsiooni, kontrollimeetodite ja käitumise jälgimisega. Probleem on selles, et need meetmed ei moodusta veel veenvat plaani, kuidas hoida väga võimekas süsteem kontrolli all. Sarnast muret väljendas 2026. aasta rahvusvaheline AI Safety Report, mille järgi arenenud süsteemide võimekused, autonoomsus ja väärkasutuse võimalused liiguvad kiiremini kui valitsemis- ja hindamisvõimekus.
See ei tähenda, et inimtasemel tehisaru oleks homme valmis. Küll aga tähendab see, et ettevõtete avalikud ohutusdokumendid ei vasta veel nende enda ambitsioonide mõõtkavale. Kui ettevõtted räägivad üha võimekamatest mudelitest, peab nende riskijuhtimine olema sama konkreetne kui mudelite turundus.
Anthropic võitis, kuid sai samuti kriitikat
Anthropic on indeksis esikohal, ent raport ei käsitle seda turvalise standardina. C+ hinne tähendab, et ettevõte teeb konkurentidega võrreldes rohkem, kuid on absoluutse mõõdupuu järgi siiski kaugel heast tasemest. Axiosi järgi on see oluline sõnum: isegi ohutusele keskendunud bränd ei saa valdkonna kõige rangemas hindamises üle keskpärase tulemuse.
Raport kritiseerib Anthropicut ka sõjaliste kasutusjuhtude pärast. Future of Life Institute'i suvine indeks märgib, et Anthropic, OpenAI, Google DeepMind ja Meta on aastatel 2024-2026 leevendanud varasemaid piiranguid sõjaliste rakenduste suhtes. Anthropicu puhul tõsteti esile "küsitavaid sõjalisi seoseid", sealhulgas meediakajastusi, mille järgi ettevõtte tehnoloogiat võidi kasutada sõjalistes töövoogudes.
Anthropicu hiljutine Mythose juhtum lisab taustale ka küberjulgeoleku mõõtme. AP teatel lõpetas USA valitsus juuni lõpus piirangud Anthropicu Fable 5 ja Mythos 5 mudelitele, kuid piirangud olid algselt seatud küberriskide tõttu: ametnike mure puudutas muu hulgas mudelite võimet aidata tarkvaranõrkusi leida ja potentsiaalselt rünnetes kasutada.
See on indeksis korduv pinge. Ettevõte võib korraga teha rohkem ohutusuuringuid kui konkurendid ja liikuda samal ajal kasutusjuhtudesse, mis tekitavad uue taseme vastutusriske. Üks ei tühista teist.
Mistral vaidlustas metoodika
Mistral jõudis indeksisse esimest korda ja jäi viimaseks. Axiosile antud kommentaaris väitis ettevõte, et raporti lähenemine karistab avatud kaaludega mudelite arendajaid. Mistrali sõnul saavad ettevõtted avatud mudelite puhul ise otsustada, kuidas mudelit kohandada ja millised kaitsekihid oma konteksti jaoks lisada.
See vastuväide on sisuliselt oluline. Suletud mudelite arendaja saab hoida mudeli kontrolli all oma pilves, piirata ligipääsu ja määrata kasutusreegleid. Avatud kaaludega mudeli puhul liigub osa vastutusest kasutajale, kes mudeli alla laadib, kohandab ja oma keskkonnas käitab.
Future of Life Institute'i vaates ei vabasta see mudeli arendajat vastutusest. Raport soovitab Mistralil avaldada terviklik ohutusraamistik ja juhtimisstruktuur, võtta eksistentsiaalse ohutuse küsimust sisulisemalt ning parandada nõrku ohutusbenchmark'i tulemusi.
Laiem vaidlus ei ole ainult Mistrali kohta. Euroopa arutelus on avatud mudelid sageli seotud läbipaistvuse, konkurentsi ja sõltumatuse argumendiga. Ohutusindeksi loogika rõhutab vastupidist: kui võimekas mudel on laialt kopeeritav ja muudetav, peab selle riskiraamistik olema veel selgem, mitte nõrgem.
Sõjaline kasutus ja küberriskid nihutavad piire
AI Safety Indexi üks karmimaid tähelepanekuid puudutab sõjalist kasutust. Axiosi kokkuvõtte järgi toob raport välja, et mitmed ettevõtted, kes varem piirasid või välistasid sõjalisi kasutusjuhtusid, on nüüd liikunud kaitse- ja julgeolekupartnerluste poole.
See muutus ei ole üksnes maineküsimus. Kui tehisarumudel aitab analüüsida luureinfot, planeerida küberkaitset, otsida tarkvaranõrkusi või toetada sihtmärgivalikut, muutub mudeli väljund otsustusahela osaks. Isegi kui inimene teeb lõpliku otsuse, jääb küsimus, kuidas kontrollitakse mudeli vigu, kallutatust, andmeallikaid ja kasutuspiire.
Küberrisk on sama praktiline. 2026. aasta mais avaldatud positsioonitöö väitis, et tarkvaranõrkuste leidmise ja kaitsemeetmetest möödahiilimise võimekus ei sõltu ainult kõige suuremast mudelist, vaid ka seda ümbritsevast töövoost ja agentide koordineerimisest. See toetab mõtet, et poliitika ei peaks vaatama ainult mudeli nime, vaid kogu süsteemi, milles mudelit kasutatakse.
Seetõttu on indeks kasulik ka ettevõtetele, kes ei arenda ise suuri mudeleid. Risk ei teki ainult mudeli loomisest. Risk tekib ka siis, kui valmis mudel pannakse tööle kliendiandmete, koodi, turvainfo, finantsotsuste või operatiivsete protsesside peal.
Euroopa vaade: AI Act muudab vabatahtlikud lubadused nõueteks
Euroopa Liidus ei jää suurte mudelite ohutus ainult ettevõtete vabatahtlike lubaduste tasemele. Euroopa Komisjoni järgi jõustus tehisarumäärus 1. augustil 2024 ning üldotstarbeliste tehisarumudelite kohustused hakkasid kehtima 2. augustil 2025. Määrus muutub täielikult kohaldatavaks 2. augustil 2026, eranditega teatud valdkondades.
Üldotstarbelise tehisaru tegevusjuhis aitab ettevõtetel täita läbipaistvuse, autoriõiguse ning ohutuse ja turvalisuse nõudeid. Komisjoni järgi on ohutuse ja turvalisuse peatükk eriti oluline kõige arenenumate mudelite pakkujatele, kellel võib olla süsteemne risk.
Eesti ettevõtte jaoks tähendab see, et mudelipakkuja ohutust ei tule hinnata ainult maine järgi. Kui ettevõte kasutab Claude'i, ChatGPT-d, Geminit, Llamat, Mistrali või mõnda Hiina mudelit ärikriitilises töövoos, tuleb kontrollida, milline on mudeli dokumentatsioon, andmekasutus, intsidentide käsitlus, logimine, auditivõimalus ja vastavus EL-i nõuetele.
Avaliku sektori ja kriitilise taristu puhul on latt kõrgem. Mudeli kasutamine koodianalüüsis, intsidentide triage'is, dokumendihalduses või otsustustoel tähendab, et organisatsioon peab suutma selgitada mitte ainult tööriista kasu, vaid ka selle piire ja kontrollimeetmeid.
Riskid ja piirangud
AI Safety Index ei ole riiklik audit ega standardiorganisatsiooni sertifikaat. Future of Life Institute'il on selge normatiivne vaade: organisatsioon peab arenenud tehisaru katastroofilisi riske väga tõsiseks ning pooldab tugevamat pidurit ja regulatsiooni. Lugeja peaks seda arvestama.
Samal ajal ei saa raporti sõnumit kõrvale lükata pelgalt selle tõttu, et hindaja on kriitiline. Metoodika tugineb avalikele dokumentidele, ekspertide hinnangutele ja ettevõtete vastustele. Kui ettevõte ei avalda ohutusraamistikku, auditit, mudelikaarti või küsitluse vastuseid, on ka madalam hinne osaliselt läbipaistvuse puudumise tagajärg.
Teine piirang puudutab kategooriate kaalu. Eksistentsiaalne risk on indeksis keskne, kuid kõik kasutajad ei rakenda mudeleid olukordades, kus sellised riskid on otseselt asjakohased. Väikeettevõtte klienditoerobot ja frontier-mudeli autonoomne küberagent ei ole sama riskitasemega süsteemid.
Kolmas piirang on ajastus. Raport arvestab tõendeid kuni 3. juunini 2026. See tähendab, et hilisemad mudeliväljalasked, valitsuse piirangud, uued ohutusdokumendid või ettevõtete poliitikamuudatused võivad pilti muuta.
Kokkuvõte: turvalisus ei ole veel tööstuse tugev külg
Future of Life Institute'i suvine AI Safety Index ei ütle, et kõik suuremad tehisaruettevõtted oleksid võrdselt ohtlikud. See ütleb midagi konkreetsemat: isegi parimad neist ei ole veel piisavalt valmis kõige raskemate riskide juhtimiseks. Anthropic juhib, kuid vaid C+ hindega. OpenAI ja Google DeepMind on keskel. Meta on paranenud, kuid nõrk. xAI, DeepSeek ja Mistral jäävad raporti järgi selgelt maha.
Eesti ja Euroopa lugeja jaoks on praktiline järeldus tarnijakontrollis. Mudeli valimisel ei piisa hinnast, kvaliteedist ja mugavast kasutajaliidesest. Tuleb küsida, milline on pakkuja ohutusraamistik, kas mudelit on väliselt hinnatud, kuidas käsitletakse küber- ja väärkasutusriske ning kas ettevõte suudab oma lubadusi dokumentidega tõendada.
Järgmise aasta jooksul tasub jälgida kaht suunda: kas ettevõtted parandavad oma ohutusraamistikke enne järgmisi suuremaid mudeliväljalaskeid ning kuidas EL-i tehisarumääruse üldotstarbelise tehisaru nõuded hakkavad praktikas mõjutama mudelipakkujate dokumentatsiooni, auditit ja vastutust.
Korduma kippuvad küsimused
Mis on AI Safety Index?
AI Safety Index on Future of Life Institute'i koostatud võrdlushinnang, mis mõõdab juhtivate tehisaruettevõtete ohutus- ja juhtimispraktikaid. 2026. aasta suvine väljaanne hindas üheksat ettevõtet 37 näitaja ja kuue valdkonna alusel.
Kes sai 2026. aasta suvises indeksis parima hinde?
Anthropic sai 2026. aasta suvises AI Safety Indexis parima üldhinde, kuid see oli vaid C+. OpenAI ja Google DeepMind said C ning ükski ettevõte ei saanud üheski kategoorias hinnet A.
Miks raportit peetakse karmiks?
Raportit peetakse karmiks, sest see hindab ettevõtteid absoluutsete ohutusstandardite, mitte ainult konkurentidega võrreldes. Future of Life Institute'i järgi on kogu tööstus eriti nõrk eksistentsiaalse ohutuse ehk väga võimekate süsteemide kontrolliriskide juhtimisel.
Miks Mistral raportiga ei nõustunud?
Mistral väitis Axiosile, et raporti raamistik ei sobi hästi avatud kaaludega mudelite arendajate hindamiseks. Ettevõtte sõnul saavad avatud mudelite kasutajad ise otsustada, kuidas mudeleid kohandada ja milliseid kaitsekihte lisada.
Mida tähendab eksistentsiaalne ohutus?
Eksistentsiaalne ohutus tähendab valmisolekut juhtida riske, mis võivad tekkida väga võimekate tehisarusüsteemide puhul. Need riskid võivad puudutada kontrolli kaotust, autonoomset väärkäitumist, kübervõimekuste väärkasutust või süsteeme, mis aitavad arendada endast võimekamaid järeltulijaid.
Kuidas see puudutab Eesti ettevõtteid?
Eesti ettevõtteid puudutab raport tarnijariski kaudu. Kui ettevõte kasutab suurt mudelit kliendiandmete, koodi, turvainfo või otsustustoe jaoks, tuleb hinnata mudelipakkuja ohutusraamistikku, dokumentatsiooni, andmekasutust, auditivõimalust ja EL-i nõuetega vastavust.
Kas EL-i tehisarumäärus lahendab need probleemid?
EL-i tehisarumäärus ei lahenda kõiki ohutusprobleeme, kuid muudab osa üldotstarbeliste mudelite läbipaistvuse, dokumentatsiooni ja süsteemse riski juhtimise nõudeid siduvamaks. Euroopa Komisjoni järgi hakkasid üldotstarbeliste mudelite kohustused kehtima 2. augustil 2025 ning määrus muutub täielikumalt kohaldatavaks 2. augustil 2026.
Mida tasub järgmisena jälgida?
Järgmisena tasub jälgida, kas Anthropic, OpenAI, Google DeepMind, Meta, Mistral ja teised avaldavad täpsemaid ohutusraamistikke, sõltumatuid auditeid ja mudelikaardid. Samuti on oluline, kas järgmised mudeliväljalasked toovad kaasa rangema valitsusliku kontrolli ja selgemad kasutuspiirangud.
Allikad
Future of Life Institute — "AI Safety Index — Summer 2026", 7. juuli 2026. https://futureoflife.org/ai-safety-index/
Axios — "AI companies retreat from safety pledges even as capabilities grow", 7. juuli 2026. https://www.axios.com/
TIME — "The Latest AI Safety Rankings Are In. Nobody Gets an A", 7. juuli 2026. https://time.com/
AP — "Trump administration lifts restrictions on Anthropic's Claude models after cybersecurity alarm", 2. juuli 2026. https://apnews.com/
Reuters — "Unchecked AI progress may pose catastrophic risks, UN panel warns", 1. juuli 2026. https://www.reuters.com/
Yoshua Bengio jt — "International AI Safety Report 2026", 24. veebruar 2026. https://arxiv.org/
Michael A. Riegler, Inga Strümke — "Position: AI Security Policy Should Target Systems, Not Models", 10. mai 2026. https://arxiv.org/
European Commission — "AI Act", 2026. https://digital-strategy.ec.europa.eu/
European Commission — "The General-Purpose AI Code of Practice", 10. juuli 2025. https://digital-strategy.ec.europa.eu/
Saa järgmine AI-RADAR postkasti
Kui järgmine praktiline AI-signaal või tööriistamuutus avaldatakse, saad selle otse e-postile.
Arutelu
0 kommentaari
Seotud teemad AI-RADARis
EL-i uus AI küberturbe plaan paneb rõhu mudelite hindamisele ja kriitiliste sektorite kaitsele
Euroopa Komisjon tahab siduda arenenud tehisarumudelite kasutamise küberturbes selgemate hindamis-, ligipääsu- ja testimisreeglitega. Eesti jaoks on praktiline mõju seotud eelkõige NIS2 ja juhtimisvastutusega.
OpenAI GPT-5.6 jõuab turule pärast USA julgeolekukontrolli
OpenAI GPT-5.6 tuleb turule pärast USA valitsuse lisateste ja heakskiitu. Uudis näitab, et kõige võimekamate mudelite väljalase sõltub üha enam julgeoleku- ja küberriskide hinnangust.
USA tühistas Anthropic’u tipumudelite ekspordipiirangud
USA tühistas Anthropic’u Claude Fable 5 ja Mythos 5 ekspordipiirangud. Selgitame, mis muutus ja mida see tähendab kasutajatele.
33 mõõdikut, millega hinnata keelemudeleid ja tehisaru agente
Keelemudeli või tehisaru agendi valikul ei piisa ühest edetabelist. Vaata 33 mõõdikut kiiruse, hinna, hallutsinatsioonide, allikapõhisuse, tööriistakutsete ja turvariskide hindamiseks.