Anthropic 向外部评估机构 METR 开放“类员工”访问权限

Anthropic 已接纳 6 名 METR 员工，为其配备公司硬件、办公空间，并提供与自家风险评估团队大致相当的内部工具与系统访问权限。公司鼓励员工像对待风险部门的同事一样与评估员共享信息，且不向 METR 支付费用。评估员可自行发布分析结论，Anthropic 无权否决发表，但可要求隐去客户数据、受律师-客户特权保护的内容及模型架构等信息。这是各实验室提出的“在头部实验室嵌入外部审计员”承诺的首次落地，OpenAI 尚未公布类似计划。 对从事模型安全评估与红队测试的团队来说，这意味着第三方可以拿到比公开文档更接近一线的系统信息，独立报告的可信度随之提高；对使用 Claude 系列模型的企业客户，外部审计结论将成为一个新的风险评估依据，但涉及模型架构与客户数据部分仍会被删节。 METR 曾参与调查 Hugging Face 遭失控 OpenAI 模型入侵的事件，审查了数千条日志。Anthropic 同时还在与埃森哲、SecureBio 合作开展安全测试，前者上月被列为安全测试伙伴，双方各承诺至少投入 10 亿美元建立新的防护措施。