Resolution 联合创始人宣布获 OpenAI 1000 万美元 API 积分，称接受实验室资金是「取舍」

Resolution 联合创始人兼首席科学家 Geoffrey Irving 于 8 月 31 日在 X 上，OpenAI 向这家非营利对齐研究机构提供 1000 万美元 API 积分，用于「半自动化对齐理论研究」（semiautomated alignment theory research）。推文发布于 UTC 时间 8 月 31 日 18 时 35 分，即北京时间 9 月 1 日凌晨 2 时 35 分。

Irving 特意把这件事的性质说破：「感谢 OpenAI 为半自动化对齐理论研究提供 1000 万美元 API 积分！值得明确说明的是，这是 Resolution 选择接受 AI 实验室（以及未来可能出现的实验室关联方）资金的决定。这是一个取舍！」

目前这一消息以 Irving 的宣布为准；推文没有披露积分的有效期、用途限制等条款，资助形式是算力积分而非现金。

封面图：Geoffrey Irving 在 80,000 Hours 访谈中（）

上线不到 3 个月：从 1.6 亿美元拨款到实验室积分

Resolution 于 6 月 10 日，最初名为 Sequent，由英国 AISI 对齐团队与 Timaeus 的研究者共同创办，大本营在伯克利，目标两年内达到 40～80 名全职研究人员。Irving 此前任英国 AISI 首席科学家，履历包括 DeepMind、OpenAI 与 Google Brain；称，他早期在 OpenAI 和 DeepMind 参与建立了今天最主要的对齐技术 RLHF（基于人类反馈的强化学习）。

7 月 9 日，Resolution 获得 Coefficient Giving 的 1.6 亿美元拨款，其中 1.08 亿美元为基础资金，5200 万美元视招聘与算力需求而定。公告称 Coefficient Giving 在起步阶段是唯一资助方，「目标是在 semiautomated alignment theory 与实证上证明进展之后，从多种来源筹集更大规模资金」。推文里的「半自动化对齐理论」正是这份公告的原词。从拨款公告到 OpenAI 积分，中间隔了约 7 周半。

算力积分与现金：一笔资助的两种性质

API 积分只能以调用 OpenAI API 的形式消耗，不能支付工资或采购设备。Resolution 自己在两份文件中把算力需求写得很具体：拨款公告列出的两项投入是「用于半自动化推理的 token，以及用于中小规模实证的 GPU——不做大规模训练」。

上线说明则写道，机构「大部分预期影响来自自动化的高度成功，这意味着大量 token」，最初计划融资 1 亿～1.5 亿美元。这 1000 万美元积分对应的是研究流程里的 token 消耗环节，与可自由支配的现金是两回事——这个区别正是随后社区讨论的焦点。

半自动化对齐理论，具体要做什么

上线说明对「自动化对齐研究」的判断是：如果 AGI（通用人工智能）可能，自动化对齐研究就必然可能，问题在于能否在模型变得危险之前拿到进展。两个近期信号让团队认为时机已到：2025 年底以来 coding agent 进步迅速，自动跑实验变得可行；前沿模型开始做出数学研究级别的成果，Erdős 单位距离猜想被否定性解决是最近的例子。

但自动化不等于放手。上线说明把近期的挑战概括为两条：让前沿模型高水平地做非形式数学并运行实验，同时把纠错机制建进系统，确保「这全部累积为真正的进展」。起步阶段的工作形态更像人与机器的反复迭代，包括为 Codex、Claude Code 编写 skills 与 prompt、用 MCP 工具让模型对照检查等「大量日常工程」；团队自己的说法是「一个证明抵得上一千个实验，连伪证明也抵得上几百个」。这类流程正是 token 消耗大户——OpenAI 的积分直接对应这一环节。

上线时写下的「独立」，与今天点明的「取舍」

上线说明有一节标题就叫「独立很重要」。理由是两条：一是「我们可能需要大喊」——研究目标既包括成功，也包括展示对齐很难的障碍，从机构外部喊更容易被听见；二是「避免被拉向统一」——实验室的安全研究大多收拢在少数纯实证路线上。

同一份文件也预见到与实验室的合作：「我们相信，我们的工作与 AI 实验室的对齐研究之间会有很多激励一致的场合。我们很乐意合作」；它同时写道，前沿模型访问可能需要大量安全投入，实验室可能不愿把模型分享给独立机构。

Irving 在推文里把接受实验室资金称作「取舍」，但没有展开代价是什么。上线时写下的独立理由——为了能大声说出障碍、避免被拉向统一——与今天收下实验室算力的决定之间如何调和，他没有在推文中说明。

一场关于 token、员工与利益冲突的对话

截至 9 月 1 日查询时，这条推文约有 4,500 次浏览、95 次点赞，直接回复仅一条。回复来自斯坦福 HAI 高级研究学者 Rishi Bommasani（研究前沿 AI 的经济与治理），他：当你说「来自 AI 实验室的资金」时，是指支付 token 的 API 积分，还是也能用来支付员工工资的钱？

「这似乎是一个长期存在的实质性区分（比如 METR 就一直作此区分）。」Bommasani 又：如果有朝一日「员工」的概念把 AI 员工也包括进来，并认为这条渠道会带来某种利益冲突，这种历史性区分可能就没那么有意义了。

约两小时后，Irving ：在 Resolution 这里，两种算力模式的影响更难分开，因为它们都是核心「做对齐研究」工作的投入，而不是特定实验室合作（比如 METR 在评估中使用 token）的投入。

这场对话把问题从「收不收实验室的钱」推进到「算力如何进入研究流程」。Irving 划出的界线是：token 用于核心研究，而非与实验室的特定合作。至于他点明的「取舍」具体付出什么，他的回复没有说明。