Anthropic 宣布 METR 团队获类员工级访问权限以评估模型风险

Anthropic 宣布启动与独立评估机构 METR 的深度合作，向其六名员工提供类内部员工的硬件、办公空间及内部工具访问权限，旨在通过第三方视角填补外部对前沿 AI 系统风险认知的缺口。该安排基于白宫超级智能协议承诺，允许 METR 发布风险评估结果，Anthropic 仅能在特定类别（如客户数据、律师 - 客户特权信息或模型架构细节）下要求删除内容，但无权否决发布。

文章明确了评估合作的三级权限架构：第一级由 Anthropic 决定访问范围且发布需经批准，SecureBio 目前处于此阶段；第二级允许评估方在未经批准的情况下发布观点并可评论删除理由；第三级即 METR 当前模式，拥有类员工级访问权。这种分级机制试图在保护商业敏感信息（如算力训练数据）与实现公开问责之间建立平衡，类似于银行监管中派驻检查员的逻辑。

事实层面，METR 已获深度嵌入权限并承诺发布分析；推断层面，这标志着行业从单纯的外部报告审查转向内部流程的实时监督；猜测层面，未来其他评估机构是否能达到第三级取决于信任积累速度。该举措将改变外界对 AI 公司安全透明度的判断标准，从依赖自我报告转向依赖受控的内部观察。