Anthropic 向 METR 开放「类员工」访问权限，第三方模型评估分出三级接入

Anthropic 在 2026 年 10 月 15 日更新第三方评估进展：已开始向非营利机构 METR 的团队提供类员工访问权限，六名 METR 员工获得公司硬件、办公空间与内部系统访问，METR 将自行发布风险评估结果。文章同时给出三级接入框架，说明 SecureBio 目前处在第一级，并列出与客户数据相关的少数不共享类别。

这次发布的是什么

Anthropic 在 2026 年 10 月 15 日发布了一篇关于独立评估方的进展更新。文章说，上个月公司已承诺加强对其模型与安全实践的独立第三方评估，现在迈出的具体一步是：开始向 METR（一家评估前沿 AI 模型的非营利机构）的团队提供「类员工」级别的访问权限，METR 将自行发布其风险评估结果。

所谓类员工访问，官方给出的具体描述是：已为六名 METR 员工办理入职，提供公司硬件、办公空间，以及与其自身风险评估团队大致相当的内部工具与系统访问权。除少数明确定义的类别（例如客户相关数据、受律师客户特权保护的信息）之外，其余信息在协议范围内共享；METR 可以公开描述这些删减，并说明它是否认为删减合理，只要不泄露被删减的内容本身。

这篇文章不是产品发布，而是一次机制披露：它同时给出了 Anthropic 与评估方合作的分级框架，以及当前各家机构所处的位置。

可用性与限制

• 适用范围：官方称与 METR 的合作限于一个在可执行协议下运作的小团队，METR 其他员工（包括与 Anthropic 合作其他项目的研究者）与该团队的工作相互隔离。
• 信息边界：少数明确类别不在共享范围，官方举例包括客户数据与受律师客户特权保护的信息。
• 删减公开：METR 可公开描述删减情况并评价其是否合理，但不能泄露被删减的内容。
• 架构信息：官方称架构信息外泄风险高、与风险评估的相关性通常较低，因此默认不共享；只有在高度相关时才共享，且需要内部明确审批。
• 其他合作方：官方称同时与 SecureBio、Accenture 作为评估方合作，并正与包括 Hugging Face 在内的若干机构早期接洽，这几家处于更早阶段、信息权限与发布权更受限。
• 分级现状：三级框架中 SecureBio 目前处在第一级；与 Accenture 及 Faculty 的合作方向包括模型评估与红队测试、对齐评估、安全护栏测试等。
• 时间口径：官方称会随着进展继续分享更新，具体推进节奏以官方页面为准。

主要功能

• 类员工访问：为评估方人员提供公司硬件、办公空间与内部系统访问
• 独立发布权：METR 可自行发布其风险评估结果
• 三级接入框架：按信息权限与发布自由度划分合作深度
• 删减申诉通道：评估方可公开评价删减是否合理
• 多机构并行：同时推进与多家评估机构的合作与接洽
• 合作范围扩面：与 Accenture、Faculty 的合作方向覆盖评估、红队测试与对齐评估

技术原理

文章里对「为什么需要第三方评估」给出的论证是信息不对称：随着模型能力变强，需要的保障措施与风险评估也更强，公司希望对自己的决策公开负责，但不可能把安全工作的全部相关信息公开——有些可能对恶意行为者有用，有些属于商业敏感信息（例如算力或训练信息）。于是替代方案是把深度访问给第三方评估方，由他们公开证据与推理结论。

官方列出评估方需要具备的四个条件：评估前沿模型能力的专业能力（包括理解评估本身可能出错的方式，例如对齐伪装）、独立性（不持有被评估公司的股权，也不在财务或运营上依赖它）、足以实质评估风险的访问权限、以及发表观察与评估结论的自由。

在分级框架上，第一级是范围较窄的风险调查，访问权限由 Anthropic 决定，评估方发布需经其同意；第二级可以不经同意发布，能接触更多信息，但 Anthropic 仍可要求移除特定类别的信息，评估方可以公开表达对这些删减是否合理的看法；第三级就是与 METR 达成的安排，类员工访问加上接近第二级的发布权。

官方还用银行监管做了类比：银行对自己风险敞口的了解多于外部，因此监管方会向大银行派驻常驻检查员；他们认为 AI 行业朝稳健安全监督迈出的这一步与此逻辑相近。

实际体验

这篇不提供第一人称实测，只给出读者可以自己核实的路径。

第一步核对原文口径。官方页内标注的日期是 2026 年 10 月 15 日，文章里对三级接入的定义与各家机构所处层级都有明确表述，判断任何转述都要回到这一页。

第二步看发布主体。METR 被描述为自行发布风险评估结果，因此后续结论应出现在 METR 自己的渠道上，而不是由 Anthropic 代发；看到「Anthropic 公布 METR 结论」类说法时要留意主体是否错位。

第三步区分层级。第一级与第二级在发布权与信息范围上差别很大，读到「某机构正在评估 Anthropic」时，先看它处在哪一级，再判断其结论的独立程度。

第四步留意边界声明。官方明确说明类员工访问不是让其他组织获取其或客户、合作伙伴信息的通道，这一点在解读「深度访问」时容易被误读。

项目地址与获取方式

官方公告页：https://www.anthropic.com/news/an-update-on-independent-evaluators

评估方发布渠道：METR 的风险评估结果由 METR 自行发布，入口以其官方渠道为准；SecureBio 此前的试点评估报告同样以该机构官方渠道为准。

请以官方页面为准核对细节，不要依据二手转述判断各方所处层级。

适合谁用

• 关注前沿模型安全治理的研究者与从业者：这是少见的、把访问级别写清楚的机制披露
• 需要在采购时评估供应商安全实践的企业：分级框架可作为提问清单的参考
• 做 AI 政策与合规的团队：三级接入的设计思路有参照价值
• 关注模型风险报告的读者：文中提到评估方会审阅风险报告的章节
• 不必深读的人：只想了解某个模型能不能用、怎么接入的，这篇与选型关系不大

常见问题

「类员工访问」是不是等于把 Anthropic 的内部数据开放出去了？

官方明确否认了这层解读。文章说明合作限于一个在可执行协议下运作的小团队，METR 其他员工与该团队工作隔离，且有少数明确类别不共享；这不是其他组织获取其或客户、合作伙伴信息的通道。

METR 的结论由谁发布？

官方写明 METR 将自行发布其风险评估结果。也就是说后续结论应看 METR 自己的渠道，而非由 Anthropic 代发。

三级接入具体怎么分？

第一级做范围较窄的风险调查，访问权限由 Anthropic 决定、发布需经同意；第二级可不经同意发布且能看到更多信息，但 Anthropic 仍可要求移除特定类别信息；第三级是 METR 所处的安排，类员工访问加接近第二级的发布权。

现在有哪些机构在参与？

官方称 METR 处在第三级，SecureBio 目前处在第一级，同时与 Accenture 及 Faculty 推进合作，并正与包括 Hugging Face 在内的若干机构早期接洽。具体进展以官方后续更新为准。

这对普通用户意味着什么？

短期不直接影响产品功能。它的意义在于把前沿模型的安全评估从「公司自述」往「第三方可查」推一步，评估结论的发布主体与独立程度值得在后续关注。

相关工具与内容

• 分类：其他 AI 工具、AI 聊天助手、AI 智能体
• 工具页：Claude、Claude Code、ChatGPT、Gemini
• 同题材快讯：Anthropic 网络安全验证计划
• 延伸阅读：Anthropic 推出开源扫描工具