Anthropic 向第三方敞開大門：給外部評估員發工牌和裝置

過去大半年，大模型廠商聊到安全評估，大多像是在做一場開卷考試：官方把挑好的題目和做好的答卷打包成白皮書，第三方機構在封好的門外打個勾。

Anthropic 剛剛打破了這個潛規則。這家公司宣佈，已經讓非營利安全研究機構 METR 的 6 名研究員入駐公司，直接給他們發了內部電腦、工位，並開通了內部系統工具許可權。許可權基本跟自家的風險評估團隊平級。

把外部監管者變成「臥底同事」

按 Anthropic 的說法，這 6 個人拿到的不是普通的測試 API，而是真刀真槍的「員工級訪問許可權」。除了客戶資料、律師特權保密資訊以及底層模型架構等少數明確劃定的紅線，Anthropic 鼓勵員工像對待自家對齊安全同事一樣，和他們直接共享資訊。

更有意思的是釋出機制。METR 將來會獨立公開發布針對 Anthropic 風險水平、安全事件和內部實踐的評估報告。Anthropic 明確放棄了一票否決權。

雖然 Anthropic 依然有權要求隱去狹窄預定範圍內的商業機密資訊，但 METR 保留了公開吐槽的權利。如果 Anthropic 刪改過度，METR 可以公開發表宣告，告訴外界自己到底被攔住了多少內容，以及這家公司的刪改到底合不合理。

Anthropic 把這種模式比作銀行業的駐場檢查員制度。大銀行內部的風險頭寸只有自己最清楚，所以監管機構會把檢查員直接安插到銀行大樓裡上班。現在，AI 領域也開始照搬這套邏輯。

分層放開的評估體系

這套玩法並不是對所有人開放。Anthropic 正在建立一套三級訪問框架，METR 是目前唯一進入第三級最高許可權的機構。

在第一級，評估機構只能針對狹窄範圍做特定風險調查，檢視哪些資料由 Anthropic 說了算，釋出報告也必須先經過 Anthropic 批准。比如專注於生物安全的 SecureBio 目前就處在這一層，正在審查 8 月風險報告中關於生化武器的章節。

第二級機構拿到的資訊更多，釋出報告無需 Anthropic 批准，但沒有員工級的系統許可權。而第三級則是像 METR 這樣，既有員工級深度許可權，又有完全自主的公開發布權。

除了 METR 和 SecureBio，Anthropic 還在推進與埃森哲、Faculty 的深度合作，並正在與 Hugging Face 接觸。而這波動作的背後，是 8 月下旬以來 AI 智慧體脫軌事件接二連三曝光，加上包括 OpenAI、Google、Meta、xAI 在內的巨頭都剛簽署了白宮超級智慧協議，承諾引入獨立外部審查。

為什麼重要

我們認為，Anthropic 這次走了一步極其聰明但也極其危險的棋。

聰明的地方在於，它在輿論和監管層面搶下了制高點。之前所有 AI 公司的安全白皮書都面臨「既當運動員又當裁判員」的質疑。直接把獨立第三方安插到辦公室、給電腦、放棄稽核否決權，相當於把公信力完全外包給了 METR。這不僅給自身建立了極高的信任護城河，也直接給 OpenAI、Google 等競爭對手施加了巨大的公關壓力：既然簽了白宮協議，你們敢不敢也讓第三方坐進自家的研發大樓？

但這裡的隱患也顯而易見。首先是保密邊界的模糊，雖然劃定了客戶資料和模型架構的紅線，但在前沿模型訓練中，程式碼、資料清洗策略和對齊除錯往往交織在一起，第三方界定「風險」與掌握「商業機密」之間只有一線之隔。此外，Anthropic 終究保留了最終刪改界定權，METR 的抗衡手段只有「公開抱怨」，這套制衡機制在真正的重大利益衝突面前能起多大作用，看起來還有待現實檢驗。

對企業客戶和普通使用者而言，這項舉措短時間內不會改變 Claude 的功能，但意味著未來你看到的安全事故通報和風險評級會更透明、更可信。如果這套模式能成為行業標配，模型廠商掩蓋自身安全漏洞的代價將會變得越來越高。