Anthropic向安全评估机构METR开放员工级系统访问

Anthropic10月15日宣布，向AI安全评估机构METR的六名研究人员开放接近内部的系统访问权限，级别接近自有员工，用于对其模型与系统进行独立安全评估。据The Verge等媒体报道，Anthropic保留对部分敏感信息的删改权，但整体开放程度在前沿实验室中前所未有。

METR（Model Evaluation & Threat Research）是一家独立的AI安全评估机构，此前的工作主要是「发布前评估」——在新模型上线前接受厂商委托，测试模型产生危险能力（如自主复制、协助武器开发）的可能性，OpenAI与Anthropic的新旗舰模型发布前均接受过其评估。此次变化的实质是评估模式升级：从「发布前的封闭体检」走向「持续驻场的内部监督」。

这次开放安排的几个关键点：

1. 访问级别接近员工，意味着评估者可触及内部系统而非仅限对外API；
2. 首批为六名研究人员，规模可控且签署严格协议；
3. Anthropic保留对部分敏感信息的删改权——开放是有边界的，商业机密与用户数据仍受保护；
4. 评估结果预计将用于改进安全措施，部分内容可能对外披露。

选择这个时间点开放并不难理解。本周FTC向OpenAI与Anthropic发出民事传票索要安全事件文件，欧盟启动AI法案调查，八州检察长联合起诉OpenAI——监管者最核心的质疑就是「厂商自己说安全不算数」。让独立第三方进入内部持续评估，既是实质提升透明度，也是面向监管与公众的主动表态。

从行业脉络看，外部独立评估正在快速制度化：欧盟AI法案对通用模型有系统性风险评估要求，英国AI安全研究所等机构也在推动与前沿实验室的常驻评估合作。Anthropic此举若被证明可行，「第三方驻场评估」可能成为头部实验室的标配，甚至被写进未来的监管细则。

当然也要看到边界：METR的评估仍依赖厂商自愿开放，删改权的存在意味着披露内容经过筛选，独立性与透明度之间的张力并未完全消除。需要说明的是，评估的具体发现与时间表尚未公布，实际效果有待首份报告验证。