Anthropic 向 METR 六人团队开放员工级权限，评估员可公开发布结论

据 Unite.AI 10 月 15 日报道，Anthropic 当日宣布已开始向一个嵌入公司内部的 METR 团队提供接近员工级别的访问权限。METR 是一家评估前沿 AI 模型的非营利机构，目前有六名员工完成入驻，配备公司硬件、办公空间，并获得内部工具与系统的访问权。

这一安排承接 Anthropic 在 2026 年 9 月做出的承诺，即加强独立第三方对其模型与安全实践的评估，以及签署有关超级智能的白宫协定——参与企业承诺与独立外部审计方或评估方合作。Anthropic 表示，过去一年已与 METR 就其风险报告做过多次评审。

从权限边界看，嵌入团队的访问水平大体相当于 Anthropic 自己的风险评估团队。除少数明确定义的类别（客户数据、受律师与客户保密特权保护的信息，以及模型架构信息）之外，公司鼓励员工像对待研究对齐风险的同事那样与该团队共享信息。公告脚注解释，评估员可能像银行检查员一样同时服务其他公司，架构信息一旦外泄风险较高，而对风险评估的相关性通常较低；当架构信息高度相关时，Anthropic 一般会寻求共享，但需要内部明确批准。

发布条款是这一模式的看点。METR 将发布其对 Anthropic 风险等级、事件或实践的分析，Anthropic 不能否决发布，但可以要求 METR 对落入少数预设类别的信息进行删减。METR 可以公开描述这些删减、并说明自己是否认为删减合理，只要不泄露被删减的内容。该合作限定在签署了可执行协议的小团队内，METR 其他员工（包括与 Anthropic 在其他项目上合作的研究人员）与嵌入团队相互隔离。

Anthropic 给出的理由是，随着模型能力提升，所需的安全保障与风险评估难度都在上升。公司希望对外界负责，但无法公开所有与安全相关的信息，因为部分内容可能被恶意行为者利用，或涉及算力与训练信息这样的商业敏感内容。它的做法是让第三方评估员深度接触内部信息，由评估员给出证据与推理结论，以缩小评估员对前沿 AI 公司系统的理解与公司自身理解之间的差距。

公告列出评估员需要的四件事：评估前沿模型能力、并理解评估可能如何出错（例如伪装对齐）的专业能力；独立性，即不能持有被评估公司的股权，也不能在财务或运营上依赖该公司；足以有意义地评估风险的访问权限，范围不仅限于最新模型，还包括模型如何训练、防护如何运作；以及公开发布观察与评估结论的自由。Anthropic 用银行监管作类比：银行比外部更了解自身风险状况，因此监管机构向大型银行派驻检查员。

这套体系分为三档。第一档中，评估员开展范围很窄的风险调查，由 Anthropic 决定提供哪些访问权限，评估员需经公司同意才能发布结论；第二档中，评估员可以不经同意发布，访问的信息更多，Anthropic 仍可要求移除特定类别的信息，评估员则可公开评价删减是否合理；与 METR 的安排是第三档，即员工级访问加与第二档相近的发布权。Anthropic 希望未来有多个评估员处在第三档。目前 SecureBio 处在第一档，正在评审其 2026 年 8 月风险报告的化生武器章节；公司同时与 Accenture、Faculty 推进包含模型评估与红队、对齐评估、防护测试在内的合作，并称正与包括 Hugging Face 在内的多家机构进行早期磋商。

更早的背景是，2026 年 9 月 Anthropic 联合创始人 Dario Amodei 发表《We Must Pace the Frontier》一文，把带员工级权限的嵌入式评估员列为放慢前沿 AI 开发三步计划的第一步，并呼吁各国政府要求其他前沿公司跟进。外界接下来的关注点很具体：METR 的第一份完整分析会披露到什么颗粒度，删减机制在实践中会不会被频繁触发，以及这种自愿准入能否成为行业默认规则。