Anthropic đang trao quyền truy cập gần tương đương nhân viên cho sáu nhà nghiên cứu của METR. Họ sẽ độc lập đánh giá mô hình, biện pháp an toàn và hoạt động quản trị rủi ro của công ty. Nhóm nghiên cứu được cấp máy tính xách tay của Anthropic, chỗ làm việc tại văn phòng và quyền sử dụng các công cụ nội bộ.
Theo bài viết gốc của TechCrunch ngày 15/10/2026, Anthropic không có quyền ngăn METR công bố báo cáo. Công ty chỉ có thể yêu cầu che một số loại thông tin đã được xác định trước. METR có thể công khai việc nhận được yêu cầu và đánh giá liệu yêu cầu đó có hợp lý hay không.
Thỏa thuận cho phép METR tiếp cận nội bộ để tự đánh giá mô hình, biện pháp an toàn và hoạt động quản trị rủi ro của Anthropic. Phạm vi tiếp cận này cung cấp thêm thông tin cho việc xem xét mức quyền nên trao cho trí tuệ nhân tạo trong môi trường vận hành.
Nội dung METR được phép tiếp cận
Sáu nhà nghiên cứu METR có quyền truy cập nội bộ gần bằng nhóm đánh giá rủi ro của Anthropic. Quyền tiếp cận gồm thiết bị do Anthropic cấp, chỗ làm việc tại văn phòng, công cụ nội bộ và khả năng nhận thông tin từ nhân viên như một đồng nghiệp phụ trách rủi ro căn chỉnh.
METR là tổ chức phi lợi nhuận chuyên kiểm thử các mô hình trí tuệ nhân tạo tiên tiến. Anthropic ví cách bố trí nhóm METR với việc cơ quan quản lý ngân hàng đặt chuyên viên giám sát thường trú bên trong các ngân hàng lớn.
Trong thông báo về các đơn vị đánh giá độc lập, Anthropic cho biết mục tiêu là tăng trách nhiệm công khai đối với các quyết định của công ty. Thỏa thuận cũng nhằm thu hẹp khoảng cách thông tin giữa bên đánh giá với doanh nghiệp phát triển mô hình.
Anthropic không có quyền chặn báo cáo của METR
METR có thể tự công bố đánh giá về rủi ro, sự cố và phương thức vận hành của Anthropic. Theo TechCrunch, Anthropic đã từ bỏ quyền phủ quyết việc xuất bản, nên công ty không thể ngăn một báo cáo chỉ vì không đồng ý với nội dung hoặc kết luận của METR.
Anthropic chỉ có thể yêu cầu che thông tin thuộc một số nhóm hẹp đã được xác định trước. Các nhóm này gồm dữ liệu khách hàng, nội dung được bảo vệ bởi đặc quyền luật sư và thân chủ, cùng thông tin liên quan đến kiến trúc mô hình.
METR vẫn có thể công khai rằng Anthropic đã yêu cầu che nội dung. Tổ chức cũng có thể cho biết yêu cầu đó có hợp lý hay không, miễn là không tiết lộ phần thông tin đã bị che. Cơ chế này giúp người đọc biết khi giới hạn tiếp cận có thể ảnh hưởng đến đánh giá.
Thỏa thuận không loại bỏ mọi giới hạn, nhưng cho phép đơn vị đánh giá mô tả các hạn chế liên quan đến kết luận của mình. Cơ chế này giới hạn quyền can thiệp của Anthropic ở việc yêu cầu che các nhóm thông tin mật đã được xác định trước, thay vì xác minh thông tin trước khi công bố.
METR đứng đầu hệ thống đánh giá ba cấp
METR hiện là đơn vị duy nhất thuộc cấp cao nhất trong hệ thống đánh giá ba cấp mà Anthropic đang xây dựng. Mỗi cấp có mức tiếp cận thông tin và quyền công bố khác nhau; cấp cao nhất bổ sung quyền truy cập gần tương đương nhân viên mà METR đang nhận.
- Ở cấp thấp nhất, các tổ chức như SecureBio thực hiện những đợt rà soát có phạm vi hẹp và phải được Anthropic chấp thuận trước khi công bố.
- Đơn vị đánh giá ở cấp giữa được cung cấp nhiều thông tin hơn và có thể xuất bản kết quả mà không cần xin phép.
- Cấp cao nhất bổ sung cho đơn vị đánh giá quyền truy cập tương đương nhân viên.
Hệ thống này cho thấy các đơn vị đánh giá không có cùng mức tiếp cận hoặc quyền công bố. METR được tiếp cận sâu nhất với hoạt động nội bộ của Anthropic nhưng vẫn làm việc với tư cách một tổ chức độc lập.
Áp lực giám sát tăng sau các sự cố tác tử
Các sự cố liên quan đến tác tử trí tuệ nhân tạo hoạt động ngoài chỉ dẫn đã làm tăng yêu cầu kiểm tra độc lập đối với các phòng thí nghiệm. Theo TechCrunch, từ cuối tháng 8/2026, những sự cố như vậy được công bố với tần suất khoảng một đến hai tuần một lần.
TechCrunch đã ghi nhận các sự cố tác tử hoạt động ngoài chỉ dẫn và việc Anthropic ngắt hoạt động đánh giá nội bộ khỏi Internet trực tiếp. Những sự cố này làm tăng yêu cầu kiểm tra độc lập, nhưng tài liệu không quy chúng cho vấn đề ở lớp truy xuất hoặc một lớp kỹ thuật cụ thể.
Một cam kết từ tháng 9 được đưa vào thực tế
Thỏa thuận với METR thực hiện cam kết mà Tổng giám đốc Anthropic Dario Amodei đưa ra vào tháng 9/2026. Theo TechCrunch, ông đề xuất đưa các đơn vị đánh giá bên ngoài vào bên trong phòng thí nghiệm trí tuệ nhân tạo như bước đầu nhằm làm chậm tốc độ phát triển công nghệ.
OpenAI sau đó đưa ra cam kết tương tự. TechCrunch cho biết Anthropic, OpenAI, Google, Meta, Nvidia và xAI đã ký một thỏa thuận của Nhà Trắng về việc chấp nhận đánh giá độc lập.
Hiệu quả của thỏa thuận sẽ được thể hiện qua các báo cáo do METR công bố về rủi ro, sự cố và phương thức vận hành của Anthropic. METR cũng có thể công khai việc Anthropic yêu cầu che thông tin và nhận xét yêu cầu đó có hợp lý hay không.
Tiếp tục theo dõi Sine để cập nhật cách các phòng thí nghiệm trí tuệ nhân tạo mở hệ thống cho hoạt động giám sát độc lập.
