Hat METR-auditor kap belső hozzáférést az Anthropicnál, de meghatározott területek zárva maradnak

Hat értékelő dolgozhat az Anthropic belső rendszereiben

Az Anthropic hat munkatársat fogadott be a Model Evaluation and Threat Research, vagyis a METR nevű nonprofit szervezettől. Vállalati eszközöket, irodahelyet és belső rendszerekhez hozzáférést kaptak. A cég „alkalmazotti szintűként” írja le a megállapodást: az értékelők nagyjából ugyanazokat az információkat láthatják, mint az Anthropic saját kockázatelemző csapatai. A feltételeket a vállalat 2026. október 15-én tette közzé, az új együttműködésről pedig a The Decoder számolt be.

A feladat több egy kész Claude-modell nyilvános felületen végzett tesztelésénél. Az Anthropic szerint az érdemi vizsgálathoz a tanítási folyamat, a védelmi megoldások, az incidensek és a belső döntések egy része is szükséges lehet. A METR a kockázati szinteket, konkrét eseményeket és vállalati gyakorlatokat értékelheti, majd saját elemzést publikálhat. Az új konstrukcióból még nem született jelentés; a szervezetek nem közöltek nyilvános határidőt vagy teljes kérdéslistát sem.

Önálló publikálás, de nem korlátlan betekintés

Az Anthropic közzétett feltételei szerint a vállalat nem vétózhatja meg a METR jelentését. Előre meghatározott kategóriákban azonban kérheti információk eltávolítását. Az ügyféladatok, az ügyvédi titoktartás alá eső anyagok és a modellarchitektúra részletei rendszerint nem hozzáférhetők. Az Anthropic dönti el, mi tartozik ezekbe a kategóriákba, a METR viszont nyilvánosan jelezheti, milyen hozzáférést kapott, és indokoltnak tartotta-e a kitakarást.

A hattagú csoport jogilag kikényszeríthető megállapodások alapján dolgozik, és el van választva a METR többi munkatársától, köztük azoktól, akik más Anthropic-projekteken dolgoznak. A vállalat ezt a külső értékelőknek készülő három hozzáférési szint közül a legmagasabbként mutatja be. A SecureBio, az Accenture és a Faculty jelenleg szűkebb keretek között dolgozik, a Hugging Face-szel pedig még korai egyeztetés folyik.

Ez jóval több kontextust ad, mint a „feketedobozos” vizsgálat, amikor a kutató csak kérdezheti a modellt és figyelheti a választ. A konstrukció ugyanakkor önkéntes vállalati megállapodás, nem kötelező erejű hatósági ellenőrzés. Ezt a különbséget a későbbi eredmények értelmezésekor is figyelembe kell venni.

A függetlenséget a nyilvános elszámolás teszi próbára

A METR közlése szerint nem fogad el pénzt élvonalbeli AI-cégektől, bár ingyenes modellhozzáférést és tokeneket kap tőlük. A nonprofit szervezet kockázatértékelési alapelveiben maga is megnevezi a korlátot: az önkéntes együttműködésben továbbra is a vállalattól függ, hogy milyen hozzáférést és publikálható bizonyítékot kap. Ezért vállalja a korlátozások, érdekütközések, bizonyítékminőség és lényeges kitakarások bemutatását.

A METR korábban nyilvánosan vitatta az Anthropic érvelését. Egy 2026. májusi felülvizsgálatban úgy találta, hogy a cég kockázati jelentése nem támasztotta alá megfelelően az automatizált kutatás-fejlesztésről szóló következtetés egy részét. Ez azt mutatja, hogy képes eltérő álláspontot közölni. Az új, beágyazott modell valódi próbája mégis az lesz, hogy a jelentések mellett pontosan látható-e, mit vizsgálhatott meg. A mostani bejelentés erősebb ellenőrzési mechanizmus, nem auditjelentés és nem bizonyíték az Anthropic védelmi rendszerének hatékonyságára.