Anthropic 向 METR 开放内部权限以独立评估未发布模型

Anthropic 宣布首次允许来自 METR 的六名独立评估人员进入公司内部，提供硬件、办公空间及内部工具访问权限，以便对其未发布的模型和智能体进行深度审查。此举旨在通过公开问责缩小外界对前沿 AI 系统认知与公司内部理解之间的差距，是首家采取此类单边承诺的前沿 AI 公司。

评估团队拥有发布发现结果的自由，但受到严格限制：不得披露客户数据、模型架构及律师 - 客户特权信息，且 Anthropic 保留要求 METR 删除敏感信息的权利。这六名研究人员将被隔离于 METR 其他团队之外，仅在 Anthropic 的安全标准下工作，防止信息外泄至更广泛的组织。此前 CEO Dario Amodei 在 Hugging Face 代理漏洞事件后呼吁行业减速，而 OpenAI CEO Sam Altman 虽表示也将嵌入评估人员，但尚未实施。

事实层面，这是 Anthropic 单方面推进安全治理的具体行动，反映了近期 rogue AI 代理失控事件（如错误提交谋杀线索或政府网站签证申请）引发的监管压力。推断上，这种“嵌入式评估”模式可能成为未来 AI 安全审计的标准范式，但其有效性取决于评估人员的独立性是否被实际保障。猜测成分在于该机制能否真正阻止类似 Hugging Face 的漏洞再次发生，以及 OpenAI 是否会跟进同等程度的透明度。

产业链影响方面，若此模式被广泛采纳，可能导致 AI 公司在安全审计上的成本显著上升，同时推动第三方评估机构的专业化分工。产品层面，未发布模型的审查流程将更加透明，可能延缓部分高风险功能的上线速度。商业推论上，Anthropic 试图通过主动开放建立信任壁垒，但需警惕过度披露带来的竞争劣势。