Anthropic 於 2026 年 10 月 15 日更新獨立評估者安排：開始讓非營利組織 METR 的團隊獲「員工級」存取，以便更深入評估其模型與安全做法。該公司指出，上月已承諾加強獨立第三方評估，並簽署 White House Accord on Super Intelligence，當中企業承諾與獨立外部審計或評估者合作。
為何需要獨立評估者
Anthropic 表示，隨著模型能力上升，需要更強的防護與更具挑戰性的風險評估。公司希望就所作決定向公眾負責，但無法公開所有與安全工作相關的資訊——部分可能被惡意行為者利用，或屬商業敏感（例如算力或訓練資訊）。因此，它選擇讓第三方評估者深入掌握內部資訊，並由評估者公開分享證據與經論證的結論，以縮小「評估者對前沿 AI 公司系統的理解」與「公司自身理解」之間的差距。
公司列出評估前沿模型所需條件：評估能力與失敗模式（包括 alignment faking）的專業；獨立性（不持有被評估公司股權、亦不在財務或營運上依賴該公司）；足夠存取以實質評估風險（不僅是最新模型，也包括訓練方式、防護如何運作等）；以及發表觀察與評估的自由。文中以銀行監管中進駐審查員的邏輯作類比——類比並非法律等同。
「員工級」存取意指什麼
Anthropic 已為六名 METR 員工辦理入職式安排：提供公司硬件、辦公室空間，以及與 Anthropic 自身風險評估團隊大致相當的內部工具與系統存取。除少數明確界定的類別外（例如客戶資料、律師—客戶特權資訊，或模型架構相關資訊），Anthropic 鼓勵員工如同對齊風險同僚般與他們分享資訊。
METR 將發表對 Anthropic 風險水平、事件或做法的分析。Anthropic 不可否決發表，但可要求就落入預設類別的資訊進行刪改（公司最終決定某資訊是否落入這些類別；METR 保留就所獲存取與資訊程度作某些陳述的權利）。官方於 10 月 16 日更新腳註，澄清 METR 現行專案條款。
該合作限於在可強制執行協議下運作的小型團隊；METR 其他員工與該團隊工作隔離，包括與 Anthropic 另有合作的研究員。進駐式評估讓少數符合 Anthropic 安全標準的合資格人員近距離觀察運作方式——並非讓其他組織取得公司或其客戶、夥伴的資訊。
圖：左為內部風險覆核意象；右為獨立評估者在玻璃箱式約束下對外發表的意象——插畫無文字、無標誌，非實際辦公室或系統畫面。
其他評估夥伴與三層存取
Anthropic 亦與 SecureBio、Accenture 合作，並與包括 Hugging Face 在內的若干組織進行早期洽談。其他夥伴仍處早期階段，目前獲較有限資訊與較有限發表權；目標是在建立信任後，逐步把更多獨立評估者充分進駐。
公司正在發展三層評估者存取：
- 第一層：評估者進行窄範圍風險調查；存取由公司決定，發表須經公司批准。
- 第二層：評估者可在無須公司批准下發表，並獲更多資訊；公司仍可要求移除預設類別資訊，評估者可就刪改是否合理發表看法。
- 第三層：即與 METR 的安排——員工級存取，發表權與第二層相近。
SecureBio 正審閱 8 月 Risk Report 中化學與生物武器章節（此前已完成並發表對先前風險報告的試點覆核）；完成後公司將考慮提高存取的項目。與 Accenture 及 Faculty 則朝向涵蓋模型評估與紅隊、對齊評估、防護測試及組織能力建設的合作推進。Anthropic 表示正自願進駐評估者，並認為每家前沿 AI 公司都應如此。
過去一年，Anthropic 已與 METR 就多份 Risk Reports 進行覆核合作；本次宣告標誌由報告覆核走向更深入的進駐式安排。
主要來源：
- Anthropic, “An update on independent evaluators”, 2026-10-15（腳註於 10-15／10-16 更新）, https://www.anthropic.com/news/an-update-on-independent-evaluators
