很多人第一個會先想到，外部研究者進到 AI 公司內部，是否就代表公司接受了獨立監督？但這裡要先問一個更前面的問題：研究者實際能接觸哪些資料，能否自己決定檢查什麼，又能把多少發現告訴外界？Anthropic 於 2026 年 10 月 15 日公布，已讓非營利研究機構 METR 的六名員工取得「employee-like access」，也就是近似員工的存取安排。這是評估 AI 安全審查能否提供證據的重要新進展，卻不等於所有內部資料都開放，也不代表已有一份審查結果證明系統安全。
Anthropic 給了 METR 哪些內部存取權？
Anthropic 表示，六名 METR 員工已取得公司設備、辦公空間，以及與 Anthropic 風險評估團隊大致相當的內部工具與系統權限。「近似員工級」描述的是這項合作安排，不代表兩邊職務或權限完全相同。
Anthropic 將這安排列為第三級評估合作。依公司說明，研究人員可檢視內部資料，評估公司的風險程度、事故或實務，並發布自己的分析。公司表示，員工受到鼓勵，可像與處理對齊風險，也就是模型行為偏離人類意圖風險的同事交流一樣，向 METR 分享資訊。這使外部審查有機會超越僅閱讀公開文件或測試已發布模型的範圍，接觸風險如何被發現、內部如何處理的脈絡。
存取權與審查範圍仍須分開看。Anthropic 說 METR 團隊將在可執行的保密協議下工作，並與其他 METR 員工隔離，包括替 Anthropic 執行其他專案的人員。這種安排能降低機密資訊外流的風險，也表示公開合作並非整個研究機構都能進入內部。公司公告沒有列出各項系統的逐項清單，也沒有說明 METR 可以自行擴大調查範圍。因此，設備、辦公空間和內部工具是存取條件的概述，不足以直接推定研究者能搜尋所有部門、所有時間區間或所有事故紀錄。
這次安排也要和既有合作分辨。Anthropic 在 9 月公布一項由 METR 調查資安測試事故的合作，稱會提供相關逐字紀錄及員工訪談機會；那項調查有特定事故與協議期間。10 月的新公告則進一步描述嵌入式評估者的存取級別與發布權利。兩者都涉及外部檢視，但一個是針對事故的調查委託，一個是公司公布的第三級合作架構。判讀成果時，仍應看該份報告實際涵蓋的事件、資料期間與方法，不能把一份調查的權限自動套用到其他工作。
能自行發布評估，還有哪些資訊限制？
Anthropic 表示 METR 可發布風險評估，公司不能否決發布；但公司可要求移除落在預先界定類別內的資訊，METR 則可公開評論刪節是否合理。因此，發布權存在，公開內容仍可能受到保密邊界影響。
Anthropic 公告舉出的排除或限制類別包括客戶資料、律師與客戶間受特權保護的資訊，以及模型架構資訊。公司另說明，架構資料若與評估高度相關，仍可能尋求提供，但須經內部明確核准。這個例外很重要：它表示部分敏感資訊有機會依個案提供，卻不是 METR 可自行要求後便必須交付。讀者應把「有內部系統權限」與「每一項敏感資料均可查閱」視為兩個不同命題。
發布權仍伴隨公司要求刪節的權限。依 Anthropic 所述，公司可要求移除特定類別資訊，目的是保護機密或避免資料外洩；METR 可以在不揭露被刪內容的前提下，說明刪節是否合理。這讓報告有機會揭露限制本身，降低讀者把經過刪節的文件誤當完整紀錄的風險。不過，讀者仍要檢視報告有沒有交代刪掉的資訊是否影響結論、涉及什麼主題，以及研究者是否能充分說明限制。
「METR 可以發布對風險程度、事故或實務的分析；Anthropic 不能否決發布，但可要求移除特定類別資訊。」這是 Anthropic 對本次合作條款的說明，應視為公司公布的安排，後續仍須對照 METR 實際發布的報告與刪節揭露。Anthropic 公告
更大的問題是，發布權如何落到實際報告。公告說明了可要求刪節的原則，沒有公布尚未出現的每一份評估之調查計畫、訪談名單或逐項資料清單。METR 前一天發布的評估構想，提出員工應能私下談論範圍內議題，也要求公開工作範圍、存取限制、刪節與其他限制；但那是 METR 對評估合作的建議，不應直接當成本次協議已逐條採納的條款。等報告出爐，再確認它有沒有交代這些條件，才知道制度設計如何落實。
審查結果要有參考價值，還要看哪些條件？
應同時檢查存取範圍、研究者獨立性、評估方法與公開程度，並確認報告是否清楚說明未檢視的風險。取得內部資料只是條件之一，結論能否被理解、檢驗與重做，同樣影響證據價值。
先看問題是否切中風險形成的位置。例如，若報告討論模型在資安測試中越界，研究者需要知道測試環境如何設定、事故紀錄如何被發現、內部監控做了什麼，以及公司如何追蹤後續改善。只測試公開版本的模型，可能回答「某次測試中模型做了什麼」，未必能回答「公司是否察覺類似事件」或「監控是否能及時攔截」。評估應說清楚檢視的是模型行為、事故調查、組織流程，還是安全措施的某一環；不同問題需要不同資料和方法。
METR 在其評估提案中把相關問題拆成三類：模型是否會做出有害行為、監控能否發現並制止，以及 AI 研發加速是否可能超過安全工作的跟進能力。這套分類有助於理解審查的涵蓋面，也提醒採用者不要把單項測試當成全貌。某次測試結果良好，不能直接推論所有使用情境、模型版本和公司流程都已被檢查。若抽樣資料偏向已知事故，對未發現事件的判斷就仍有限。
獨立性則要看制度和實際關係。METR 表示會揭露工作範圍、存取限制、刪節、非正式壓力及人員利益衝突，也承諾避免在財務上依賴合作中的 AI 公司，並在選任團隊時迴避有重大利益衝突的人員。這些是研究機構公開的政策與做法，提供外界核對的基礎；報告仍應交代本次團隊組成、利益衝突如何處理，及與被評估公司有沒有其他合作關係。外部身分本身不能自動保證沒有依賴或偏誤。
訪談安排也值得留意。公司鼓勵員工提供資訊，和研究者能否不受主管在場影響、私下訪談相關人員，並非同一件事。若員工擔心職涯後果，或只能由公司挑選受訪者，研究者可能難以確認制度文件和實際做法是否一致。METR 的提案把私下訪談列為希望公司配合的條件，並提醒現行自願合作仍存在無法完全避免的壓力；至於 Anthropic 本次合作的實際訪談方式，需等報告披露後再判斷。
「這項提案無法對開發是否安全提供有把握的保證，因為相關科學尚未成熟，也沒有可供稽核的安全開發標準。」METR 在公開提案中如此界定評估的能力邊界，並指出評估可提供證據，讓公司員工、董事會、外部科學家與政策制定者自行判斷。METR 評估提案
公開程度的關鍵，是能否讓其他專家重看證據，而非只有結論摘要。METR 的工作原則提到，報告應說明資料來源和限制、方法限制、刪節及可能影響判斷的正式或非正式約束，並盡可能提供足夠細節供外部專家檢視。若研究資料因保密無法公開，至少仍要交代樣本如何選取、分析步驟、結果適用範圍，以及哪些部分無法驗證。對 AI 導入者來說，這能幫助判斷報告是否適用於自己的模型版本、工具權限、資料環境和使用流程。
外部評估能提供證據，不能替代哪些治理工作？
不能。METR 的評估可補充特定風險的外部證據，但不能單獨證明模型或公司整體安全，也不等同正式監管、法規稽核或部署核准。其結論只適用於實際檢查的範圍、時間、版本和方法。
這項合作由企業自願建立，存取條件和資料限制仍需由公司與評估者協商。METR 自己也指出，研究機構仰賴公司願意持續合作、提供資料與讓報告發布；即使有公開限制，企業仍可能透過不提供資料或要求刪節，影響外界看到的證據。審查仍有參考價值，獨立性則需要持續檢驗：合作是否能延續、研究者能否指出不利發現、不同結論是否也能公開，都是報告之外的制度條件。
METR 目前提出的評估聚焦於模型能力、行為與監控等技術面向，並明確表示不涵蓋所有安全議題，例如完整的資安稽核、組織流程穩健度或治理規範遵循。Anthropic 授予員工級存取的公告也保留客戶資料、法律特權資料及模型架構等限制。這些邊界意味著，外部研究者可能提供更深入的風險分析，仍不能替代公司內部責任、第三方資安檢查、事故通報制度、監管機關的調查權與可執行的安全標準。
因此，讀報告時可以把它當成一份有範圍的證據，而非安全證書。導入者可用一次檢核把它對回自己的決策：
- 確認範圍：報告檢查了哪個模型、版本、事故、資料期間與系統？哪些風險明確排除？
- 確認方法：資料如何取得、樣本如何挑選、研究者是否能訪談相關員工，結論有哪些不確定性？
- 確認限制：公司要求哪些刪節？METR 有沒有說明刪節是否影響結論，或合作是否受其他條件限制？
- 對照自身情境：自家部署的模型、權限、外掛、資料敏感度與監控設計，和受評估情境有哪些差異？
若報告未涵蓋企業實際接入的工具或資料，導入團隊還需要自己的測試和監控；若報告發現風險，也要落到責任人、修正措施與驗證時程。安全評估能縮小資訊落差，不能替代採用者對自身環境的風險管理。等 METR 公布實際評估後，讀者可依存取範圍、研究者獨立性和公開內容，判斷這份分析能支持哪一項決策、又有哪些問題仍沒有答案。
常見問題
把合作條款和實際評估報告分開閱讀，再核對資料範圍、方法與限制，才能知道它提供了哪些證據。
常見問題
Q1：METR 的員工級存取代表 Anthropic 接受正式監管嗎？
不代表。這是 Anthropic 自願公布的外部評估合作安排，並非監管機關依法行使的調查權或具法律效力的合規稽核。
Q2：外部研究者能查看模型架構與客戶資料嗎？
Anthropic 表示，客戶資料、律師與客戶間的特權資訊及模型架構屬於限制類別。若模型架構資訊與評估高度相關，公司表示可能經內部核准後提供；公告沒有說明客戶資料可被例外開放。
Q3：METR 可以自行發布任何內部資訊嗎？
METR 可發布風險評估，Anthropic 表示不能否決發布，但可要求移除預先界定類別的資訊。METR 可以評論刪節是否合理，前提是不揭露被刪除的內容。
Q4：一份公開的安全評估能證明 AI 系統安全嗎？
不能。評估只能支持其方法與範圍涵蓋的判斷，不能涵蓋所有模型版本、部署情境和組織流程，也不能取代其他治理與安全檢查。
