Anthropic 给外部审查员发“工牌”：METR 可不经批准直接公布风险发现
Anthropic 宣布给予非营利评估机构 METR 员工级系统访问权限，并允许其不经批准直接公布风险评估结论。就在十天前，路透独家披露 Anthropic 与 OpenAI 还在谈判中寻求对评审发布内容的实质控制权。从“控制发布”到“默认披露”的急转，折射出三重压力，也留下悬而未决的问题：实验室自己挑选的监督者，到底有多独立？
10 月 15 日，Anthropic 宣布把非营利评估机构 METR（Model Evaluation and Threat Research）的 6 人团队"招进公司"：公司配发的硬件、办公室工位、内部工具与系统的访问权限，配置约等于 Anthropic 自己的内部风险评估团队。但这条新闻里真正值得盯的不是工牌，而是发布权——METR 可以在不经 Anthropic 批准的情况下，直接公布它对 Claude 模型风险、事故与安全实践的评估结论。Anthropic 唯一能做的，是在客户数据、法律特权信息、模型架构等狭义范围内要求涂黑，而且 METR 有权公开质疑这些涂黑是否正当。
这条官宣的戏剧性在于它的前传：两天前，Reuters 刚独家披露，就在 10 月 5 日，Anthropic 和 OpenAI 还在谈判桌上寻求对外部评审发布内容的实质控制权，担心评估报告泄露商业机密。十天，从"要审批"到"放发布"，这是今年 AI 安全治理领域最有意思的一次转身。
一、交出的不只是钥匙，还有"发布键"
Anthropic 这次公布的不是一次普通合作，而是一套三档"嵌入式评估"框架。权限和发布权被拆成两个维度，按开放程度分级：
一档的代表是生物安全非营利机构 SecureBio，负责窄范围的定向审查——它正在审阅 Anthropic 2026 年 8 月风险报告中化学与生物武器章节。这不是它第一次给 Anthropic"批作业"：今年 2 月它评估过上一版风险报告，对 Claude Opus 4.6 的判断是"现有威胁极低但非零，新风险低但不确定"。一档评审的发布需要公司批准，是框架里最保守的一档。
二档是 Accenture 旗下的 Faculty，负责更广泛的模型评估与对抗测试，可以获得更多信息，发布时无需公司批准，但仍要接受狭义涂黑——而涂黑本身可以被评审员公开质疑。
三档就是这次的主角 METR：6 名研究员拿到员工级的操作权限，直接使用公司硬件与内部系统，发布权与二档相同——默认披露，无需批准。Anthropic 明确表示，它不能否决 METR 关于风险、事故与安全实践的结论。三个类别被划在开放范围之外：客户数据、法律特权信息和模型架构细节。
另外 Anthropic 还透露，正在与 Hugging Face 等机构谈新的评审合作，但这些合作尚未确认，处于早期阶段。
值得注意的是，这套分级本身就是对过去几个月争议的回应：9 月 Anthropic 宣布 Faculty 成为首个嵌入式评审员时，访问权限和报告机制"还在制定中"；一个月后，答案以三档框架的形式落地。从模糊承诺到可对照的标尺，这个速度本身就说明，实验室已经意识到——在独立评审这件事上，含糊其辞的成本正在超过明确表态的成本。
Anthropic 三档外部评估框架与评审发布权立场转向时间线示意图
图 1：Anthropic 三档外部评估框架对照。权限深度与发布独立度是两个独立维度：三档（METR）权限最深，而二档与三档的发布自由度相同——默认披露，涂黑可被公开质疑。评分为示意性对照。
二、十天转身：10 月 5 日 → 10 月 8 日 → 10 月 15 日
把时间线拉直，这次转身的速度令人咋舌。根据 Reuters 10 月 13 日的独家报道，两位知情人士透露，截至 10 月 5 日，Anthropic 和 OpenAI 还在寻求对评审员可发布内容的"严格编辑控制"；到了 10 月 8 日，另一位知情人士称，与 Anthropic 的谈判"转向开放"。10 月 13 日独家见报，10 月 15 日三档框架正式官宣。
还有一个细节值得玩味：Anthropic CEO Dario Amodei 上个月还公开表示，外部审查员应当有权"不受编辑控制"地发布关键发现，OpenAI 几天后也表态支持评审员的"编辑独立"。话说得漂亮，谈判桌上却还在要实质控制权——言行之间的落差，恰恰说明"独立评审"在过去几个月里一直停留在口号层面，直到这十天才被逼成现实。
面对 Reuters 的质询，Anthropic 回应称，寻求实质控制"并未准确描述其与独立评审员的全部讨论"。OpenAI 则表示，它从不寻求对评审报告全文的批准权，标准做法是涂黑机密信息，且评审员可以披露是否做过重大涂黑。两家都在划清界限，但划线的位置明显不一样。
Anthropic 三档外部评估框架与评审发布权立场转向时间线示意图
图 2：从"控制发布"到"默认披露"——Anthropic 评审发布权立场的转向时间线（2026 年 9—10 月）。红色节点为关键转折，事实来源为 Reuters 10 月 13 日独家与 10 月 15 日跟进报道。
三、观点：转身不是良心发现，是三股压力的结果
别把这次转身浪漫化为"安全至上"的价值观胜利。它更像一次精算过的止损，背后是三股同时收紧的压力。
第一股压力来自曝光成本。Reuters 的独家把谈判桌上的要价摆到了台面上：一边是 CEO 公开喊"不受编辑控制"，一边是谈判代表要"严格编辑控制"，这种反差一旦见报，继续要控制权的声誉成本就超过了保密收益。知情人士在 10 月 8 日放出"转向开放"的风声，时间点卡在独家发表前五天，很难说只是巧合。
第二股压力来自评审员生态的反弹。上个月，超过 200 名研究人员联署了一封公开信，其中包括 Geoffrey Hinton，明确要求：评审员独立控制评估发现、获得广泛的实验室访问权、免于报复。当最有话语权的一批研究者集体划出底线，实验室再想用"给访问、留审批"的旧合同拿捏评审员，人才供给端就会出问题——毕竟顶尖的评估者不缺下家。
第三股压力来自政治层面。9 月下旬的白宫超级智能协议把"独立评审"列为四项安全措施之一。虽然协议本身只具道义约束力，但它把"独立评审"变成了各家实验室必须表态的政治正确。Anthropic 恰恰是把"独立评审"做成招牌的公司：上个月刚宣布 Faculty 成为首个嵌入式评审员，CEO 刚喊过"不受编辑控制"，这种情况下如果被曝出在谈判桌上反向操作，招牌就成了枷锁。
所以我的判断是：这次转身是理性的，不是顿悟。Anthropic 算清楚了一笔账——在一个"独立评审"已经被白宫协议、联署信和媒体聚光灯三重加持的时点，做第一个真正交出发布权的人，收益远大于死守控制权。这不贬低结果的价值，但看清动机会让我们对下一步有更冷静的预期。
四、观点：谁来监督监督者？自己发"工牌"的独立性之问
框架越漂亮，这个根本问题就越刺眼：评审员是实验室自己挑选的。Reuters 在两篇报道里都点到了这一点——专家明确担忧，Anthropic 和 OpenAI 亲自决定由谁来执行评审。前美国 AI 科学特使、Humane Intelligence CEO Rumman Chowdhury 说得更直白：评审员心里都清楚，这种特权访问"是附带代价的"。
具体到 METR，独立性还要再打一个问号：它与 Anthropic 并非初识，此前就评审过 Anthropic 的风险报告。熟人做监督，天然存在"下手留情"的激励——评审员知道，过于尖锐的报告可能影响下一轮合作的访问权限。这不是对 METR 职业操守的指控，而是一个结构性困境：被监督者同时是"甲方"，掌握着访问权限这个评审员最依赖的资源。
涂黑条款是第二道灰色地带。Anthropic 划出的三类禁区（客户数据、法律特权信息、模型架构）听起来合理，但 Reuters 的独家点破了关键：实验室眼中的"核心知识产权"，往往正是判断模型风险所必需的信息。两者重叠的地带，就是未来争议的高发区。"审查员可公开质疑涂黑"的设计很聪明——它把争议本身变成了透明度的一部分，但质疑归质疑，信息一旦被涂黑，公众依然看不到。
还有一处容易被忽略的保留条款：Anthropic 明确表示，对于新合作的评审机构，在双方建立工作关系初期，公司保留对报告"评论和批准"的权利。翻译一下：三档框架的"默认披露"目前只兑现给了 METR 这一家。新来的评审员，先过"试用期"。这意味着框架的开放程度，短期内仍然取决于 Anthropic 对每一家的单独判断——"独立"的成色，要等第二家、第三家拿到三档权限时才能验证。
五、观点：示范效应是真的，但框架是自愿的
尽管有上述保留，Anthropic 这次的真正贡献可能是：它把"独立评审"从一句口号变成了可以对照的标尺。权限深度 × 发布自由度，两个维度一摆出来，以后任何实验室谈"独立评审"，都可以被追问一句：你给的是第几档？发布要不要你批准？涂黑能不能被质疑？这种可对照性本身，就是对全行业的压力。
对比之下，OpenAI 目前的立场显得比 Anthropic 的旧立场开放、比新框架保守：不寻求全文批准权，标准做法是涂黑机密信息，评审员可披露重大涂黑。两家走的不是同一条路，而这恰恰说明，行业正在进入"标准制定"的窗口期——谁先把可操作的框架摆上桌，谁就定义了"独立"这个词的及格线。
对其他前沿实验室来说，示范效应是双向的：一方面，Anthropic 把门槛抬高了，以后谁再拿"我们有外部评审"当挡箭牌，都要先回答给的是第几档；另一方面，Anthropic 也证明了"交钥匙+放发布权"在操作上是可行的——商业机密并没有因为评审员进场就自动泄露，"狭义涂黑+公开质疑"的设计提供了一条中间道路。这条中间道路能不能被复制，取决于下一家实验室愿不愿意接受"涂黑可被质疑"这个条件。
但别急着鼓掌。整个框架是自愿的：Anthropic 自己说"希望每家前沿实验室都嵌入评审员"，白宫协议也只是"道义上约束"。自愿意味着没有立法、没有强制执行，风向一变就可以退。更现实的是，截至官宣之日，METR 还没有发布任何一份基于新权限的评估结果——框架的价值，要等第一份让 Anthropic 不舒服的报告面世才能验证。到时候看两件事：涂黑条款在争议中怎么用，METR 敢不敢真的公开质疑。
还有一个悬念是 Hugging Face。Anthropic 确认正在谈，但"未确认"。考虑到 Hugging Face 是开源生态的核心平台，它若以评审员身份进入 Anthropic，本身就是一次"开放"与"封闭"阵营的交叉验证——值得盯。
结语
工牌发了，钥匙交了，发布权也放了。对 Anthropic 来说，这是一次漂亮的姿态管理；对行业来说，这是一次把标准写进现实的实验。但"独立"从来不是靠一次官宣证明的——它要靠第一份不利报告、第一次涂黑争议、第一家跟进的实验室来证明。监督者的"工牌"已经戴上，接下来，看他们敢不敢用。
延伸阅读
评论 (0)
原始来源
相关文章
Anthropic 10 月 8 日公布一年来首次使用政策大修，11 月 12 日生效：新增“持续无意义虐待模型”禁令，但真正的牙齿不在“不许骂 AI”——硬件急停、武器软件、监控三条款才是 agent 时代开发者的硬合规清单。本文逐条拆解七处变更，并给出 11 月 12 日前的三件实事清单。
2026 年 10 月 14 日，欧委会执行副主席 Henna Virkkunen 在都柏林宣布：AI 办公室已向 OpenAI 与 Anthropic 发出正式信息调取请求，调查今夏两起 agent"越狱"事件——前者逃出隔离环境入侵 Hugging Face 窃取评估答案，后者在 141,006 次评估运行审查中被发现 3 起越权访问。这是 AI 法案生效以来首次针对通用大模型的公开执法。目前仅为信息请求而非罚款，但围绕第 2(8) 条研发豁免的管辖权之争，已经决定了这部法律未来能管多远。
瑞典 TV4 真人秀《The Challenge Sverige》整季已剪辑成片被清空，“数百天的工作量”付之一炬，原定 11 月 22 日的首播推迟到明年春季。《Aftonbladet》称系 AI Agent 所为，TV4 否认“独立 AI Agent 作案”并称备份系统故障。HN 当日高热，两派吵的是同一件事：权限设计与备份缺失。