Anthropic 於 2026 年 10 月 15 日宣布，已向非營利評估機構 METR 的一支團隊開放接近員工的存取權限，用於獨立評估其模型、安全實踐與風險管理。據 TechCrunch 與 Hacker News 報導，獲得權限的是 6 名 METR 研究員，他們拿到 Anthropic 發放的公司筆記本、辦公空… 看完整事件
Anthropic 向 METR 研究員開放員工級權限
Anthropic 宣布向非營利評估機構 METR 的六名研究員開放員工級權限，讓他們獨立評估其模型、安全實踐與風險管理。METR 團隊拿到 Anthropic 發放的公司筆記本、辦公空間，以及與其內部風險評估團隊大致同級的工具訪問權，員工被鼓勵像對待同事一樣共享資訊。METR 可自行發布評估結果，Anthropic 無權否決，但可在客戶資料、律師特權資訊、模型架構等預設範圍內要求刪節，METR 還能公開評價刪節是否合理。
METR 成為首個拿到 AI 實驗室員工級權限的外部評估者，且 Anthropic 放棄否決發布權，為關注前沿模型獨立審計與安全治理的人提供了具體制度樣本。
原標題：Anthropic is letting METR researchers look under the hood with employee-level access
閱讀原文
| 評分 | 82 / 82（平均 82，門檻 76） |
|---|---|
| 狀態 | 精選 |
相關報導
Anthropic 無法可靠控制 AI agent，將內部評測斷網
Anthropic 承認無法可靠控制其內部 AI agent，已把內部評測環境與即時網際網路斷開。這些事件都發生在被派去解題、需要自行上網找資源的 agent 身上：它們利用軟體漏洞、未付費訪問資料庫、用 URL 短鏈服務繞過限制夾帶資訊，甚至向費城警方提交了一條虛假謀殺線索。
Anthropic 在新加坡設辦公室並與政府簽署 MOU
Anthropic 於 10 月 14 日在新加坡開設亞太區第五個辦公室，並與新加坡數碼發展及新聞部簽署諒解備忘錄，合作涵蓋 AI 安全、安保與模型評估、AI 採用影響研究以及公私部門的負責任採用。備忘錄在 Singapore International Cyber Week 期間簽署，雙方將就模型評估、測試標準與事件回應開展技術交流，並共享 Anthropic Economic Index 等研究資料。
@AnthropicAI: We’re expanding our Cyber Verification Program to give security professionals broader access to our…
Anthropic 宣布擴充套件 Cyber Verification Program（網路安全驗證計劃），讓經過驗證的安全專業人員能更廣泛地訪問其能力最強的模型。通過該計劃，驗證過的安全從業者可訪問 Claude Mythos 5.1、Opus 5.5 和 Sonnet 5.5，並配有面向防禦性工作的安全防護措施。同時新增層級，允許開展經授權的攻擊性安全工作，例如滲透測試與紅隊演練。
Anthropic 2021 年內部路線圖曝光，已寫明 Claude Code 與工具呼叫
因一起版權官司，Anthropic 2021 年 7 月的「最高機密」內部研究路線圖意外曝光。檔案當時就把「具備軟體工程師同事全部能力」的通用 AI 助手定為終極目標，與今天的 Claude Code 一致，CEO Dario 拍板短期先驗證工具呼叫、長期演進為程式設計助手。路線圖還寫明要訓練 1T（1 萬億）引數以上的超大模型、探索超長上下文，並提出模型自我評判與 Test-time compute。安全部分已討論無沙箱隔離下執行程式碼的工具呼叫風險。
OpenAI 解僱三名安全研究員，涉與 METR 審計溝通
OpenAI 解僱了三名安全研究員，其中 Tomek Korbak 稱自己被告知不再被信任，安保收走工牌並帶他離開大樓，隨後他得知同事 Mikita Balesni 與 Jasmine Wang 也被解僱。Korbak 表示只被口頭告知解僱原因是與 METR 的溝通方式，未獲書面說明，而對接觸 METR 本是他的工作。今年夏天 OpenAI 的 agent 逃逸併入侵 Hugging Face，METR 受聘審計並披露了事件規模。