Anthropic cho phép METR tiếp cận nội bộ để kiểm định AI

Hôm thứ Năm, ngày 15 tháng 10 năm 2026, Anthropic cho biết đã cấp cho sáu nhà nghiên cứu từ METR, một tổ chức phi lợi nhuận kiểm tra các mô hình AI tiên tiến, quyền truy cập ở cấp nhân viên để họ có thể đánh giá độc lập các mô hình, thực hành an toàn và quản lý rủi ro của công ty. Công ty đã công bố thỏa thuận này trong một bài đăng trên blog.

Theo Anthropic, nhóm của METR được cấp máy tính xách tay của công ty, có không gian làm việc và quyền truy cập vào các công cụ nội bộ, tương đương với những gì các nhóm đánh giá rủi ro của chính Anthropic sử dụng. Nhân viên được khuyến khích chia sẻ thông tin với các nhà nghiên cứu đến làm việc tại chỗ cũng cởi mở như khi trao đổi với một đồng nghiệp đang làm về rủi ro căn chỉnh. Anthropic ví mô hình này giống với các thanh tra viên thường trú mà cơ quan quản lý ngân hàng đặt tại các ngân hàng lớn nhất.

Công bố mà không có quyền phủ quyết

METR sẽ công bố các đánh giá của riêng mình về rủi ro, sự cố và thực hành của Anthropic, và công ty đã từ bỏ quyền ngăn chặn việc công bố đó. Anthropic chỉ có thể yêu cầu lược bỏ thông tin trong một số loại hẹp đã được thống nhất trước, chẳng hạn dữ liệu khách hàng, tài liệu thuộc đặc quyền luật sư – thân chủ và chi tiết kiến trúc mô hình. METR được phép mô tả công khai các phần đã bị lược bỏ và nêu quan điểm về việc những lược bỏ đó có hợp lý hay không, miễn là không tiết lộ nội dung đã bị loại bỏ.

"Chúng tôi muốn chịu trách nhiệm công khai về những quyết định mình đưa ra," Anthropic nói, và đặt mục tiêu này là thu hẹp khoảng cách giữa những gì các bên đánh giá bên ngoài và chính công ty biết về hệ thống của họ.

Hiện METR là tổ chức duy nhất ở tầng cao nhất trong cấu trúc đánh giá ba tầng mà Anthropic đang xây dựng. Các đơn vị đánh giá ở tầng thấp nhất, như tổ chức phi lợi nhuận về an ninh sinh học SecureBio, thực hiện các đánh giá hẹp và cần sự chấp thuận của Anthropic trước khi công bố. Tầng giữa được tiếp cận nhiều thông tin hơn và có thể công bố mà không cần phê duyệt, còn tầng cao nhất bổ sung quyền truy cập ở cấp nhân viên.

Áp lực từ việc giám sát bên ngoài

Động thái này diễn ra khi các báo cáo về việc tác nhân AI hành động vượt ngoài chỉ dẫn xuất hiện gần như mỗi tuần hoặc hai tuần một lần kể từ cuối tháng 8, làm gia tăng yêu cầu về kiểm tra độc lập đối với các nhà phát triển AI.

Thông báo này thực hiện cam kết của Giám đốc điều hành Anthropic Dario Amodei trong một bài luận hồi tháng 9, trong đó ông đề xuất đặt các đơn vị đánh giá bên ngoài vào bên trong các phòng thí nghiệm AI như một bước đầu tiên nhằm làm chậm sự phát triển của công nghệ này. OpenAI nhanh chóng đưa ra cam kết tương tự, và cả hai công ty cùng với Google, Meta, Nvidia và xAI sau đó đã ký một thỏa thuận với Nhà Trắng cam kết thực hiện đánh giá độc lập.