Anthropic引入外部安全监察团队，首家前沿AI公司落地承诺
nashnova research
Anthropic正式将六名独立研究人员嵌入公司内部，赋予其准员工级别的系统访问权限，用于审查未发布的AI模型安全性——这是前沿AI公司首次真正落地外部安全监察机制，此前的行业承诺从未走到这一步。
到底发生了什么？
Anthropic从独立研究机构METR选入六名外部评估人员，给予"类员工级别"的访问权限。
这些人可以使用公司硬件、办公空间和内部工具，直接审查尚未发布的AI模型和智能体。
这意味着→ 外部监察不再停留在"看报告"的层面，而是能像内部员工一样触碰核心系统。
为什么说这是"第一次"？
Anthropic CEO达里奥·阿莫代伊上月发文呼吁前沿AI公司放慢研发节奏，并单方面承诺嵌入外部安全评估人员。
OpenAI CEO萨姆·奥尔特曼当时回应称也会采取类似措施，但截至目前尚未落地。
用大白话说＝ 行业里喊"我们要搞安全监察"的公司不止一家，但真把人放进公司、给钥匙的，Anthropic是第一个。
这些评估人员能说什么、不能说什么？
Anthropic允许METR自由发布评估结论，但划了三条红线：不得披露客户数据、模型架构以及受律师-客户特权保护的信息。
Anthropic保留要求METR删改内容的权利——但METR可以公开说明"哪里被删了"以及"自己是否认为删改合理"，只是不能透露被删的具体内容。
这意味着→ 外部监察拿到了实质权力，但商业机密仍有护栏；这套机制到底够不够硬，要等第一批评估报告出来才能验证。
METR是谁，凭什么是它？
METR是一家独立AI安全研究机构，此前因发布关于OpenAI智能体安全漏洞的报告而在业界知名。
被选入的六名研究人员姓名暂未公开，且将与METR更广泛的团队保持隔离，以符合Anthropic的安全标准。
这反映出一个现实：能做前沿AI安全评估的独立机构极少，METR既有能力也有公信力，但隔离机制说明双方对信息泄露风险都很警惕。
市场有风险，内容仅供研究参考，不构成投资建议。