Anthropic 向 METR 开放员工级访问权限，建立三级独立评估体系

这件事到底说了什么？

2026年10月15日，Anthropic 在官方新闻室发布了一篇公告，标题是《关于独立评估者的更新》。公告说，他们已经开始给一个叫 METR 的非营利组织的六名员工，提供类似公司内部员工的访问权限。这些权限包括公司配发的硬件、办公空间，以及和 Anthropic 自己风险评估团队差不多级别的内部工具和系统访问权。

简单说，Anthropic 是开发 Claude 系列 AI 模型的公司。这次他们不是发布新模型，而是把自家安全评估的“后厨”打开，让外面的独立专家进来看。METR 可以发布自己的风险评估结果，Anthropic 不能否决，只能要求隐去少数几类信息，比如客户数据、律师保密信息或模型架构细节。

为什么要请外人来看？

Anthropic 在公告里解释，AI 模型越来越强大，需要的安全防护和风险评估也越来越难。他们想让公众问责，但又不能把所有信息都公开，因为有些信息可能被坏人利用，有些涉及商业机密，比如算力或训练信息。所以，他们选择让第三方评估者深入内部，分享证据和结论，缩小“外部评估者知道的”和“公司自己知道的”之间的差距。

打个比方：这就像一家银行，银行自己最清楚自己的风险，但监管机构会派常驻检查员进驻大银行。如果银行的风险可能影响公众，就得让第三方提前看到。Anthropic 说，AI 行业也需要类似的监督。

METR 是谁？他们能做什么？

METR 是一个非营利组织，专门评估前沿 AI 模型。过去一年，他们已经和 Anthropic 合作过几次，审查过 Anthropic 的风险报告。这次，METR 的六名员工被“嵌入”到 Anthropic 内部，可以像内部员工一样获取信息。他们可以发布对 Anthropic 风险水平、事件或做法的分析。

Anthropic 不能阻止 METR 发布，但可以要求隐去少数预定义类别的信息。METR 还可以公开说明自己认为这些删减是否合理，只要不透露被删减的内容本身。这就像评论家可以写差评，餐厅不能不让发，但可以要求隐去秘方。

三级访问体系是什么意思？

Anthropic 正在建立三级评估者访问体系。第一级：评估者做范围较窄的风险调查，Anthropic 决定给什么访问权，评估者发布发现需要 Anthropic 批准。第二级：评估者可以不经批准就发布，访问更多信息，但 Anthropic 仍可要求移除特定类别信息，评估者可以公开评论删减是否合理。第三级：就是 METR 现在的安排，有员工级访问权限，发布权和第二级类似。

Anthropic 希望未来有多个评估者达到第三级，每个团队都能发布自己对 Anthropic 风险状况和关键决策的分析。目前 SecureBio 正在审查 8 月风险报告的化生武器章节，Accenture 和 Faculty 则在合作进行模型评估、红队测试、对齐评估和安全防护测试。

这对普通用户有什么影响？

对普通用户来说，这次公告不会直接改变你使用 Claude 的方式。它不是新功能，也不是新模型，而是安全治理机制的变化。但长期来看，如果独立评估能发现并推动修复模型的安全问题，用户使用的 Claude 可能会更安全、更可靠。

打个比方：你坐飞机时，不会直接看到飞机发动机的检修过程，但你知道有独立检查员在盯着，坐起来会更放心。Anthropic 这次就是把“检查员”请进了发动机车间。

有哪些限制和不确定的地方？

公告没有说明 METR 具体评估了哪些模型版本，也没有说评估结果什么时候发布。三级访问体系的具体实施时间表、其他评估者合作的具体财务条款，以及该机制是否覆盖所有 Claude 模型，原文都没有交代。另外，Anthropic 虽然不能否决 METR 发布，但仍可以要求删减少数类别信息，METR 只能公开评论删减是否合理，不能直接公布被删减的内容。

还有一点，METR 的员工可能同时为其他公司工作，所以 Anthropic 对无意泄露保持谨慎，尤其是模型架构信息。公告说，架构信息泄露风险高，但对风险评估的相关性通常较低；如果高度相关，Anthropic 一般会寻求分享，但需要内部明确批准。

谁适合关注这件事？

这件事适合关注 AI 安全治理的研究者、政策制定者、AI 公司从业者，以及关心 AI 风险管理的普通读者。如果你只是用 Claude 聊天或写代码，不需要做任何操作，但可以知道背后有一套第三方评估机制在运行。

Anthropic 在公告最后说，他们是自愿嵌入评估者的，并认为每一家前沿 AI 公司都应该这样做。这句话表明，他们希望把这套做法推广成行业标准，而不只是自己家的内部安排。