摘要： Anthropic 在 2026 年 10 月 15 日宣布，已讓非營利評估機構 METR 的六名員工以「類員工權限」進駐公司，包括公司硬體、辦公空間，以及與內部風險評估團隊大致相當的系統存取權。METR 可自行發布風險評估結果，Anthropic 不能否決，只能要求遮蔽少數預先定義的機密類別。對做 AI 產品的人來說，這是一個值得留意的訊號：前沿模型公司的安全評估，正在從「自己說了算」走向可被外部驗證。
為什麼需要讓外部人看見內部
Anthropic 在這次公告裡承認一個結構性矛盾：模型越強，需要的防護和風險評估就越嚴格，公司也想對決策負公開責任——但安全工作裡很多資訊不能直接公開，因為可能被惡意行為者利用，或涉及運算資源、訓練方式等商業機密。
他們的解法是把「公開資訊」換成「公開可信的第三方」。讓評估者深度存取內部資訊，由他們對外分享證據和有理據的結論，目標是縮小「評估者對前沿 AI 公司系統的理解」與「公司自己的理解」之間的差距。
Anthropic 用銀行監管做類比：銀行最清楚自己的風險部位，所以監管機構派駐場監督員進駐大型銀行。AI 產業如今在做類似的事。
「類員工權限」實際上是什麼
具體安排有幾個關鍵細節：
- 六名 METR 員工拿到公司硬體、辦公空間，以及和 Anthropic 內部風險評估團隊大致同等的工具與系統存取權。
- 除了少數明確界定的類別（客戶資料、律師委託人特權資訊、模型架構資訊等），Anthropic 鼓勵員工像對待負責 alignment 風險的同事一樣，與他們分享資訊。
- METR 會發布對風險水準、事件和做法的分析；Anthropic 無權否決發布，只能要求遮蔽特定類別。而 METR 可以公開評論這些遮蔽是否合理——只要不洩漏被遮蔽的內容本身。
- 這項合作限於一小組人，並受可執行的協議約束；METR 其他員工，包括與 Anthropic 有其他合作的研究員，都被隔離在這個團隊之外。
換句話說，這不是讓外部組織拿到 Anthropic 或其客戶資料的管道，而是讓少數有資格的人在公司安全標準下近距離觀察運作。
三級存取：一個可複製的治理設計
Anthropic 同時公布了為評估者設計的三級存取架構：第一級是範圍狹窄的風險調查，由 Anthropic 決定提供哪些存取，發布需公司批准；第二級可未經批准自行發布、能接觸更多資訊，公司仍可要求移除特定類別，但評估者可公開表達對遮蔽的看法；第三級就是 METR 目前的安排——類員工權限，加上與第二級相近的發布權。
SecureBio 目前在第一級，正在審查 Anthropic 八月風險報告的化學與生物武器章節，之前已完成並發布過一份試點審查。Accenture 和 Faculty 則在合作中，方向包括模型紅隊測試、alignment 評估和安全防護測試。Anthropic 也透露正與包括 Hugging Face 在內的其他組織進行早期討論，長期希望在第三級配置多個評估團隊，各自發布對風險態勢的分析。
值得注意的是，這一切是自願的，背景是 Anthropic 去年承諾強化獨立第三方評估、並簽署了白宮關於超級智慧政府的協議，承諾與外部審計或評估機構合作。
對 builder 的意義
這份公告對大多數團隊不會有直接影響——你不會讓 METR 進駐辦公室。但它示範了一個你在產品裡同樣會面對的問題：當你的系統影響外部時，「請相信我們」愈來愈不夠，你需要設計出讓第三方能驗證、又能保住機密的機制，包括分級存取、預先界定的遮蔽類別，以及允許對方公開挑戰你的遮蔽決定。
如果你正在替 agent 產品建立自己的評估流程，可以從 smaller scale 開始：把行為變成可評分的測試，讓外部或至少非開發者能複查結果，參考這篇agent 評估常見問題。至於 Anthropic 的三級架構最終能否促成整個產業的常態做法——他們自己也只是說「正在快速推進、邊做邊學」，這個問題還沒有答案。