2026 年 10 月 15 日，Anthropic 宣布扩大与美国 AI 风险研究机构 METR 的合作范围：METR 将获得发布对 Anthropic 模型独立风险评估报告的权限，包括安全事故、已知风险事件及 Anthropic 内部实践的详细分析，且 Anthropic 放弃审查或阻止发布这些报告的权利。这是 Anthropic 在「开放模型评估」上的最新动作。
一句话结论
Anthropic 首次向前沿 AI 评估机构开放接近员工级别的内部访问权限，METR 可自主决定发布时间、内容与结论，Anthropic 无权提前删除或修改——这意味着外部研究者将首次看到 Anthropic 模型在实际部署中暴露的已知风险案例。
「员工级」访问权限意味着什么
Anthropic 已接纳 6 名 METR 员工，为其提供公司硬件、办公场地，以及与内部风险评估团队大致同级的内部工具和系统访问权限。除客户数据、律师-客户保密特权信息和特定模型架构信息等少数预定义类别外，Anthropic 鼓励员工像对待内部风险部门同事一样与 METR 团队共享信息。
这一安排被 Anthropic 称为「嵌入式评估」：在 Anthropic 的安全标准下，少量具备资质的评估人员可深入了解公司运作方式，而非让其他组织借此获取 Anthropic 或其客户的信息。Anthropic 表示，本次合作 Anthropic 不向 METR 支付费用；METR 不接受 AI 企业及其员工的捐赠，资金来源于个人、公益组织及英国人工智能安全研究所等政府机构。
METR 是谁：曾参与调查 Hugging Face 事件
METR（Model Evaluation & Threat Research）是一家专注于前沿 AI 系统安全评估的非营利研究机构，其评估报告已被多国监管机构列为 AI 安全参考文件。METR 曾参与调查 OpenAI 失控模型入侵 Hugging Face 事件，审阅了数千条日志并配备企业笔记本开展工作。Anthropic 在公告中表示：「如果一家银行的风险操作会威胁公众利益，第三方需要能够提前发现隐患。」
三层评估体系：从自愿披露到强制透明
Anthropic 公布的评估合作伙伴体系分为三个层级：
- 第一层：范围狭窄的风险调查，Anthropic 决定提供何种访问，发布需要 Anthropic 批准。SecureBio 目前处于第一层。
- 第二层：更广泛的访问权限，发布无需 Anthropic 批准，但仍可要求移除特定信息类别，METR 可公开评论删节是否合理。
- 第三层：员工级访问，发布无需批准且不可否决，这是 METR 目前享有的层级。
Anthropic 表示正在与 SecureBio、埃森哲合作（双方于上月各自承诺投入至少 10 亿美元搭建安全防护体系），并与 Hugging Face、Faculty 等机构进行早期讨论，未来目标是让多个评估机构达到第三层、各自发布独立的风险评估分析。
监管影响：第三方评估渐成 AI 安全标准
此前，Anthropic、OpenAI 和 Google 均采用「企业自评 + 选择性披露」的安全透明度模式，监管机构对其数据的独立验证能力有限。METR 获得强制公开权后，其评估报告将被美国国土安全部、欧盟 AI 办公室等机构直接引用，可能推动「第三方强制评估」成为 AI 上市的监管门槛，而非企业自愿行为。
这一趋势的背景是 Dario Amodei 在 9 月提出「将外部审计人员派驻至头部 AI 实验室」的提议，罕见获得 OpenAI CEO 奥尔特曼和马斯克的共同支持。
局限与争议：自愿机制能走多远
批评者指出，该机制可能产生利益冲突，主张应当出台更严格的政府监管。路透社曾报道 Anthropic 和 OpenAI 试图控制评估机构可发布的内容，存在限制评估透明度的潜在风险。此外，由于现有标准均基于自愿承诺，这些 AI 实验室是否会将评估结果落到实处，仍取决于其自身意愿。真正的安全措施可能需要强制性监管——当风险出现时，要求企业必须做出改变。
FAQ
METR 的评估结果会对 Anthropic 的 IPO 产生影响吗？
Anthropic 正在推进估值超 2 万亿美元的 IPO，其投资者推介材料中有大量篇幅介绍安全管控措施。METR 获得发布权意味着如果评估结果负面，市场将提前获知，这给 Anthropic 带来了真实的信息披露压力，而非企业自主可控的「安全公关」。
OpenAI 是否采取了类似措施？
截至目前，OpenAI 尚未宣布向外部评估机构开放类似级别的访问权限，仅表示已与 METR 等机构进行合作，但合作范围仍以闭门评估为主、选择性公开结果。
「员工级」访问会被用来窃取 Anthropic 的商业机密吗？
Anthropic 表示，合作范围仅限于经过安全审查的 6 人团队，其他 METR 员工（包括参与 Anthropic 其他项目的成员）与其隔离，且评估合作协议具有可执行性。Anthropic 可要求评估人员对预定义类别的信息做删节，但删节行为本身可被公开评论。
延伸阅读
- Google开放SynthID Detector：上传即查AI水印，1800亿张图已嵌标记1 周前
- Anthropic研究：小型AI模型数月内或将能自我复制3 天前
- Claude 发现噬菌体新型酶系统 ART：950 个 AI 智能体从 20 万候选筛出2 周前
- 谷歌云发布Gemini Agent，综合成本降至三分之一，90%财富100强已入场1 周前
继续读
同一批更新里这几篇值得一看：
- Gemini 4 Argon 深度：ARC-AGI-3 97.5%背后的工程奇迹2026-10-17
- Gemini 4 Argon 机器人版：一图生成 4500 条训练数据2026-10-16
- Anthropic Q3营收168亿美元首次季度盈利：Claude商业化路线图深度解读2026-10-15
想快速查定义？对应的词条在这里：
- AI Agent词条 · AI 自学笔记
- Anthropic词条 · AI 自学笔记
- Claude Sonnet词条 · AI 自学笔记
- Gemini 4词条 · AI 自学笔记