Anthropic 在 2026 年 10 月 15 日通过官方博客宣布，已开始给非营利评估机构 METR 的一个团队提供员工级权限，让外部评估者带着公司配发的硬件、坐在公司办公室里，独立检查它的模型、安全实践和风险管理，并自行发布评估结论。上个月 Anthropic 刚承诺强化独立第三方评估，还签署了要求与独立审计或评估方合作的白宫超级智能协议，这次公布的是承诺落地的具体形态：不是送一份模型接口让外人测，而是把人请进门。
员工级权限的清单和禁区
具体安排是，METR 有 6 名成员完成入职式接入，使用 Anthropic 配发的硬件和办公空间，能接触的内部工具与系统大致与公司自家风险评估团队相当；除少数明确划定的类别外，员工被鼓励像对待做对齐风险的同事一样与他们分享信息。禁区同样写得很清楚：客户数据、受律师—当事人特权保护的信息，以及模型架构相关信息不在开放范围内。参与的 METR 小组在可执行的协议下工作，与 METR 内部其他成员隔离，包括那些和 Anthropic 有其他合作项目的研究人员——驻场看得深，但看到的内容不能在机构内部自由流动。
报告能不能发，决定权不在被审方手里
这套安排最关键的一条是发表权。METR 将发布它对 Anthropic 风险水平、事件和做法的分析，Anthropic 无权否决发表，只能要求对落入预先划定的狭窄类别的信息做删改；而且 METR 可以公开评价这些删改是否合理，只要不泄露被删内容本身。这解决了外部评估长期以来的一个尴尬：评估者看到多少、能说多少都由被评估的公司决定，报告的公信力先天打折。Anthropic 把做法类比为银行监管中派驻大型银行的常驻检查员——银行比外界更懂自己的风险敞口，所以检查要发生在内部。这个类比不完全等同于监管：驻场评估仍是公司自愿引入的，评估者由公司选定，这层边界在读后续报告时要记住。
三档权限里，METR 这一档目前独一份
Anthropic 同时公布了评估者权限的三档设计：第一档做范围狭窄的风险调查，权限由公司决定，发表需公司批准；第二档可以不经批准发表、能接触更多信息，公司仍可要求删改特定类别内容；第三档就是 METR 的员工级安排。其他合作目前都还在更早的阶段，权限和发表权更有限：生物安全机构 SecureBio 在试点评审后，正在评审其 8 月风险报告中化学与生物武器相关章节；Accenture 与 Faculty 的合作朝着模型评估、红队测试和防护测试推进，早期先验证保密能力和评估资源。Anthropic 表示希望随着信任建立，把更多评估者推进到第三档，并呼吁每家前沿 AI 公司都自愿引入驻场评估者。下一步值得看的是 METR 的第一份驻场评估何时发布、删改争议会不会真的被公开写出来——那将是这套机制成色的第一次实测。
