10 月 16 日，Anthropic 宣布向非营利组织 METR 开放内部权限，允许其直接审查 Claude 系列模型及公司安全实践。METR（Measurement and Evaluation for Trustworthy AI）是一家专门为美国政府提供 AI 模型评测的机构，曾多次为 Anthropic 进行外部评估，但从未获得过「员工级」内部访问权限。
首次深入模型层的外部审计
本次合作标志着头部 AI 实验室首次允许第三方机构深入接触模型层级的安全机制。以往政府主导的模型评测主要依赖公开 API 接口或书面文档，而 METR 本次拿到的访问权限覆盖范围更广，评估深度也远超此前任何一次。这意味着监管机构将首次有机会直接审视 Claude 在对抗性场景下的实际行为边界。
审计边界：商业数据受保护
Anthropic 明确表示，开放范围仅限于安全与对齐研究相关系统，不涉及模型权重、训练数据或商业机密。评估完成后，METR 是否会发布公开报告尚无定论，但业内普遍预期至少会向监管机构提交一份摘要版本。这对于正在推进中的美国 AI 监管立法具有重要参考价值。
Anthropic 的监管布局
这并非 Anthropic 首次主动出击 AI 监管议题。今年早些时候，Anthropic 向美国国会递交立法提案，主张只有当 AI 模型造成超过 10 亿美元实际损失时，监管机构才有权要求模型下线。此外，Anthropic 也就小型 AI 模型在物联网设备上的自我复制风险发出过公开警告。与 METR 的合作可被视为其「透明化」监管策略的最新动作。
延伸阅读
- Anthropic 报告：AI 工时已是人类 6 倍，初级程序员招聘骨降 67%2 小时前
- Claude Opus 5.5 Max登顶Arena智能体榜：17.29%确认率意味着什么4 天前
- 澳大利亚政府网站遭 OpenAI 智能体入侵：全球首例，6 月事发 9 月才证实3 周前
- 马库斯呼吁下架所有联网AI智能体：安全漏洞如同刹车失灵，须强制召回6 天前
AI 自学笔记 每天更新 AI 前沿动态，订阅 RSS，或按 Ctrl/⌘+D 收藏本站，明天见。
继续读
同一批更新里这几篇值得一看：
想快速查定义？对应的词条在这里：
- Anthropic词条 · AI 自学笔记