Anthropic兑现承诺：外部评估员获得“员工级权限”
当地时间10月15日，Anthropic宣布已向非营利AI评估机构METR的六名研究人员开放“员工级访问权限”。这是Anthropic CEO达里奥·阿莫代伊在9月长文《我们必须为前沿定速》中提出的“嵌入外部评估者”构想的首次实质性落地。
六名METR研究人员已获得Anthropic签发的公司笔记本电脑、办公空间，以及“与内部风险评估团队大致相当”的内部工具和系统访问权限。在客户数据、律师-客户特权信息和模型架构等少数预设类别之外，Anthropic鼓励员工像对待从事对齐风险工作的同事一样，与METR研究人员共享信息。
三层访问体系：METR站在最高一级
Anthropic将外部评估设计为三级架构，每级对应不同的访问深度和发布权限。
第一级面向范围狭窄的调查，评估结果需经Anthropic批准方可发布，生物安全非营利组织SecureBio目前处于这一层级。第二级提供更广泛的信息访问，允许评估者无需事先批准即可发布，但受脱敏规则约束。第三级在第二级基础上叠加员工级系统访问权限，目前仅METR一家进入这一层级。
“不能否决发布，只能要求脱敏”
这套安排中最具突破性的设计，在于发布权的重新分配。METR可以独立发布其对Anthropic风险、事件和安全实践的评估结论，Anthropic无权阻止。
Anthropic保留的唯一干预手段是要求对预设类别信息进行脱敏，包括客户数据、律师-客户特权信息和模型架构细节。但METR有权公开说明脱敏是否发生，以及自己是否认为脱敏合理——只要不披露被删减的具体内容。这一设计在保留必要保密边界的同时，为评估的独立性提供了可验证的透明度。
Anthropic将这套安排类比为银行业监管中的常驻检查员制度：大型银行比外部更了解自身风险状况，因此监管机构会向银行内部派驻检查员。Anthropic在公告中表示：“我们希望缩小评估者对前沿AI公司系统的理解，与公司自身理解之间的差距。”
马斯克的回应：“大概”会跟上
Anthropic的宣布迅速引发了行业连锁反应。10月16日，马斯克在社交平台X上发文，被问及SpaceX是否会效仿时，他给出了一个措辞谨慎的回应：SpaceX“大概”（probably）会跟随Anthropic的做法，允许外部评估人员访问其AI系统。
媒体在报道中将这条帖子定性为“不置可否”（noncommittal），并指出这一表态出现在外界对“自愿性措施是否足以约束AI公司”的质疑持续升温之际。马斯克此前曾在9月提出过一套更激进的方案：OpenAI、Anthropic、SpaceX、Google、Meta以及三四家中国头部AI公司，在新模型发布前互相开放API进行安全测试。但这一“互检”构想并未落地为具体的行业协议。
相比之下，Anthropic已经拿出了可执行的方案和可验证的机制，而SpaceX的承诺仍停留在“大概”的层面。
为什么这一步值得认真对待
外部评估在AI行业并非新概念，但过去的安排大多停留在“提交材料、外部审阅”的层面。Anthropic此次开放的是内部系统访问权——评估者可以看到模型如何被训练、安全防护如何运作，以及风险团队日常接触的信息。
这一模式的意义在于，它把评估从“公司决定给什么，评估者就看什么”转变为“评估者能够看到什么，公司需要解释为什么看不到”。发布权的转移进一步强化了这种约束：评估结论不再需要经过被评估者的批准才能公布。
与此同时，这一安排仍有其边界。评估者由Anthropic自行选择，访问权限由Anthropic界定，脱敏请求的最终解释权也在Anthropic手中。正如eSecurity Planet在报道中所指出的，METR模式提供了一个值得观察的样本，但它本身并不等同于外部监管的强制性约束。
（素材来自：Anthropic 智算芯能前沿网综合）
本文由智算芯能前沿网编辑整理，转载请注明出处。