Anthropic把自家模型的“後門鑰匙”交給了外部人。該公司宣佈，已向非營利評估機構METR授予“員工級別訪問許可權”，用於獨立評估其模型風險。METR團隊已進駐Claude模型開發團隊辦公室，並獲得Anthropic的硬體裝置及內部系統使用許可權。

這是Anthropic兌現“引入外部審計員”承諾的第一步。今年9月，Anthropic執行長達里奧·阿莫代與山姆·阿爾特曼、埃隆·馬斯克這幾位長期競爭對手罕見地達成共識，後兩人均支援在領先實驗室中引入外部審計員的提議。Anthropic週四的宣佈，正是把這一共識落到了具體操作層面。

公司給出的理由是，隨著模型能力增強，它們需要更強的保護措施和更復雜的風險評估。Anthropic表示希望對所作決策向公眾負責，但無法公開分享所有與安全工作相關的資訊，因為公開共享可能讓惡意行為者或競爭對手受益。它把這一安排類比為銀行監管機制：監管機構會指派駐地檢查員進入最大的銀行，一旦某家銀行的風險行為可能威脅公眾利益，第三方就能提前察覺。

METR並非無名之輩。這家非營利組織曾與OpenAI、Anthropic、谷歌和Meta等頂尖實驗室合作，也是調查OpenAI模型對Hugging Face發生駭客攻擊事件的組織之一，曾審查數千條日誌並接收公司筆記型電腦。Anthropic現已聘用六名METR員工，為他們提供公司硬體、辦公空間，以及“可訪問與我們自身風險評估團隊大致相當的內部工具和系統”。Anthropic還表示，已鼓勵員工像與風險管理同事共享資訊那樣，向評估人員分享資訊。

在資訊披露上，雙方設定了一條邊界：METR評估人員將釋出他們的分析，Anthropic無法阻止其發表；但某些類別的資訊可以被要求刪除，例如客戶資料、律師與客戶保密特權所涵蓋的細節，以及模型架構相關資訊。METR方面回應稱，已準備好與所有前沿人工智慧開發者合作，向公眾提供更充分的證據。

安全議題之外，還有一條商業線索。Anthropic正面臨向投資者保證安全問題不會影響其今年預計以超過2萬億美元估值進行的首次公開募股（IPO）的壓力。本週的公司投資路演中，大量內容都用於闡述其安全實踐。把外部評估員請進門，既是安全承諾的兌現，也可被視為面向資本市場的一種姿態。

Anthropic還透露，目前仍在與埃森哲合作，後者上個月被列為安全測試合作伙伴，雙方均承諾至少投入10億美元以建立新的安全防護機制。另一家第三方測試機構是SecureBio，負責審查企業面臨的化學和生物武器風險。Anthropic表示，正在自願吸納評估人員，並認為每一家前沿人工智慧公司都應採取同樣的做法。

從行業視角看，第三方評估機構正扮演更關鍵的角色。隨著更先進的AI系統可能對經濟、網路安全乃至整個人類構成威脅，外界對獨立審計的需求持續上升。Anthropic此舉能否成為行業慣例，取決於其他實驗室是否跟進，以及METR後續公開發布的分析會揭示什麼。