Anthropic cho phép các kiểm toán viên bên ngoài kiểm tra công việc của mình: điều gì đã thay đổi vào ngày 15 tháng 10
Anthropic đã cấp cho một nhóm từ METR, một tổ chức phi lợi nhuận đánh giá AI, quyền truy cập như nhân viên để xem xét các thực hành rủi ro của mình và công bố các phát hiện mà Anthropic không thể phủ quyết. Đây là ý nghĩa của điều đó đối với mức độ bạn có thể tin tưởng vào các tuyên bố an toàn của Claude.
Vào ngày 15 tháng 10 năm 2026, Anthropic đã thông báo rằng họ đã cấp cho sáu nhân viên từ METR — một tổ chức phi lợi nhuận đánh giá các mô hình AI tiên tiến — “quyền truy cập như nhân viên” vào các công cụ và hệ thống nội bộ của mình. METR hiện có thể công bố phân tích riêng của mình về mức độ rủi ro, sự cố và thực hành của Anthropic. Anthropic không thể phủ quyết việc công bố.
Điều này quan trọng đối với cách bạn sử dụng Claude: khi Anthropic đưa ra tuyên bố an toàn, bạn hiện có một cách để kiểm tra xem một bên bên ngoài có ủng hộ tuyên bố đó hay không. Bài học này là về nơi để tìm kiếm kiểm tra đó và những gì nó thực sự bao gồm.
Quyền truy cập có giới hạn. Anthropic vẫn có thể yêu cầu METR biên tập lại một số ít danh mục: thông tin về khách hàng, tài liệu được đặc quyền luật sư-khách hàng hoặc chi tiết kiến trúc mô hình. Nhưng METR được tự do công khai rằng họ không đồng ý với việc biên tập lại — họ chỉ không thể tiết lộ những gì đã bị biên tập lại.
Anthropic cũng đã nêu tên hai nhà đánh giá khác đã được triển khai. SecureBio đang xem xét chương vũ khí hóa học và sinh học trong Báo cáo rủi ro tháng 8 của Anthropic, sau khi đã công bố đánh giá thử nghiệm về báo cáo trước đó. Accenture và Faculty đang hướng tới một quan hệ đối tác rộng lớn hơn bao gồm các mô hình red-teaming và thử nghiệm các biện pháp bảo vệ. Anthropic đã mô tả ba cấp độ truy cập cho các nhà đánh giá — hẹp và được phê duyệt, rộng hơn mà không cần phê duyệt, và cấp độ “như nhân viên” của METR — và cho biết họ đang trong các cuộc đàm phán ban đầu với những người khác, bao gồm cả Hugging Face.
Tại sao điều này hữu ích cho bạn: nếu bạn đang trích dẫn tư thế an toàn của Claude cho sếp, khách hàng hoặc nhóm tuân thủ, “Anthropic nói vậy” là một tuyên bố yếu hơn so với “Anthropic nói vậy, và METR — một tổ chức phi lợi nhuận độc lập không có vốn chủ sở hữu trong Anthropic — có thể công bố các phát hiện mà Anthropic không thể chặn.” Biết sự khác biệt giữa tuyên bố của một công ty và tuyên bố đã được xác minh là một kỹ năng bạn có thể yêu cầu Claude giúp bạn áp dụng, cho dù chủ đề là an toàn AI hay thông số kỹ thuật sản phẩm của nhà cung cấp.
Những gì đã được triển khai: Anthropic đã cấp cho METR quyền truy cập như nhân viên để xem xét các thực hành rủi ro của mình, với quyền công bố mà Anthropic không thể phủ quyết (chỉ các danh mục biên tập lại hẹp). SecureBio và Accenture/Faculty là các quan hệ đối tác đánh giá ở giai đoạn đầu hơn. Phải làm gì với nó: khi một tuyên bố về an toàn hoặc khả năng quan trọng đối với quyết định của bạn, hãy hỏi xem đó là tự báo cáo hay được kiểm tra độc lập — và nêu tên người kiểm tra.