Anthropic 给 METR 六名员工「雇员式访问权」，并提出独立评估方三级访问框架

要点速览

• 2026-10-15，Anthropic 发布《An update on independent evaluators》：已开始向非营利前沿 AI 评估机构 METR 的一个团队提供「雇员式访问权」（employee-like access）。
• 六名 METR 员工已完成入职：拿到公司硬件、办公空间，以及与本方风险评估团队大致相当的内部工具与系统访问权。
• 发布权是核心：原文写明 「Anthropic can't veto publication」——Anthropic 不能否决发布，但可要求对预定义类别的信息做删减。
• 三级访问框架（three tiers of access）同步提出：第一层需批准才能发布、第二层可自主发布、第三层即 METR 所享有的雇员式访问。
• 其它合作方：正在与 SecureBio、Accenture 合作，Faculty 参与 Accenture 的合作，与 Hugging Face 等处于早期讨论。
• 原文通篇未使用「benchmarking（基准测试）」一词——这是风险与安全实践的第三方评估机制，不是跑分机构，不要混为一谈。

① 雇员式访问到底给了什么

官方原文：We've onboarded six METR employees with company hardware, office space, and access to internal tools and systems that are roughly on par with what our own risk assessment teams have access to.

这是「派人进厂」，不是「交一份材料出去复核」。 差别在于：外部评估方过去能看到的，是被评估方整理好递出来的东西；雇员式访问让评估方自己去翻内部系统，看到的东西不再经过对方的筛选。

信息共享的例外只有三类（原文明确列举）：

1. 客户数据（data about customers）
2. 律师—客户特权信息（attorney-client privileged information）
3. 模型架构信息（information about our model architectures）

除这三类外，Anthropic 鼓励员工像对待做对齐风险的同事一样与评估方分享信息。

② 发布权：能发，但要接受删减

官方原文：METR will publish its analysis of our risk levels, incidents, or practices. Anthropic can't veto publication, but we can require them to redact information if it falls into predefined categories like the ones above.

这句话里一半是权利，一半是约束，必须一起读：

这个设计的张力是真实存在的：一方决定删什么，另一方只能「声明自己拿到了什么」，而不能硬发。原文自己承认了这一点。本站不作调和，也不评价其充分性，只把它如实摆出来——读者需要知道「独立评估」在实操上是有边界的。

关于架构信息还有一条脚注值得记：原文把评估方类比为银行审查员（bank examiners），说明由于他们可能同时服务多家公司，架构信息「无意泄露风险高、而与风险评估的相关性通常很低」，因此高度相关时才分享，且需明确的内部审批。

③ 三级访问框架

官方原文：We're developing three tiers of access for evaluators. Over time, we hope to have several evaluators at the third tier, with each team publishing their own analysis of our risk posture and key decisions.

评估方的准入条件里，原文明确写了两条：

• 独立性（Independence）：「they shouldn't hold equity in the company they're evaluating, or be financially or operationally dependent on it」——不得持有被评估方股权，也不得在财务或运营上依赖它。
• 发布自由（Freedom to publish）：可就模型或流程发表观察与评估。

④ 背景：上个月的承诺与白宫协议

官方原文：Last month, we committed to stronger independent, third-party assessment of our models and safety practices. We also signed the White House Accord on Super Intelligence, in which companies pledged to partner with independent external auditors or evaluators.

也就是说，这次公告是「上个月承诺 + 白宫协议」的一次落地动作，不是孤立事件。

其它合作方的当前状态（原文口径）：

AI 之家 观点

这条新闻对开发者的直接价值不在「Anthropic 变好了」，而在于它给「第三方评估」这件事画出了一条可参照的刻度。

过去「独立评估」这四个字是模糊的：是发了份问卷？还是看了份报告？还是能进内部系统自己翻？三级框架把这件事拆成了可比的三个档位——以后看到任何一家厂商宣称「我们接受了独立评估」，你都可以直接问一句：是第几层？

三条可执行的建议：

1. 把它当成采购与合规时的提问清单。 你选的模型供应商是否接受外部评估、评估方能否自主发布、有没有独立性约束——这些问题现在有了现成的措辞，可以直接照抄本文的表格去问。
2. 别把它误读成「模型更安全了」。 原文明确讲的是风险评估与安全实践的第三方审查，不含能力跑分。看到「独立评估」就联想到「跑分更高」是常见误读，本次已特别核对原文用词。
3. 注意「谁判定删什么」这一条。 这是整套设计里最值得持续关注的点。Anthropic 自己承认最终判定权在己方，并给了 METR 一个「声明权」作为对冲。机制是否真的独立，要看未来 METR 实际发布的内容里，这个声明权被用到什么程度。

待核实

• METR 首份风险评估报告的发布时间：官方仅称 METR will publish，未给时间表。
• 三级框架的正式化程度：原文称 「We're developing」（正在开发），尚未定型，未来层级定义可能调整。
• 「上个月」签署白宫协议的确切日期：原文只写 Last month，未给日期。
• SecureBio 当前评审完成时间：原文称完成后将考虑升级访问层级，未给日期。
• Hugging Face 等早期讨论的后续：无时间表。
• 脚注 2 / 脚注 3 的更新内容：官方分别于 2026-10-16 与 2026-10-15 更新，用于澄清 METR 与 SecureBio 的当前项目条款；本次未能取得脚注更新的前后对照原文，故不对「澄清了什么」作断言。

来源

• An update on independent evaluators（Anthropic 官方 Newsroom，页面标注 Oct 15, 2026；脚注 2 标注 Updated on October 16、脚注 3 标注 Updated on October 15；本站 2026-10-17 抓取原文核对）
• Anthropic Newsroom 索引页（用于确认该条目日期与邻近条目顺序，一手）

说明：本文事实点均取自 Anthropic 官方原文（一手），关键句均给出英文原句以便读者复核。原文未使用「benchmarking」一词，本文按原文口径表述为「风险与安全实践的第三方评估」。官方未披露的部分已在「待核实」逐条列出，本站不作推断。

延伸阅读

• Claude Code 工具卡 —— 同一厂商的开发者侧产品事实与最新版本
• 模型库 —— Anthropic 各型号定价与上下文的最新事实