- Ngày 15/10/2026, Anthropic công bố trao quyền truy cập gần tương đương nhân viên nội bộ cho tổ chức phi lợi nhuận METR nhằm đánh giá độc lập các rủi ro từ mô hình AI tiên tiến.
- Anthropic đã bố trí 6 chuyên gia METR làm việc trực tiếp tại văn phòng, cung cấp máy tính, không gian làm việc và quyền truy cập công cụ, hệ thống nội bộ tương đương nhóm đánh giá rủi ro của công ty.
- Đây là bước triển khai đề xuất của CEO Dario Amodei về đưa chuyên gia đánh giá bên ngoài vào các phòng thí nghiệm AI. Sam Altman và Elon Musk từng công khai ủng hộ đề xuất này vào tháng 9/2026.
- Anthropic cho rằng mô hình AI ngày càng mạnh đòi hỏi cơ chế kiểm định nghiêm ngặt hơn. Công ty so sánh cách tiếp cận với hoạt động giám sát ngân hàng, nơi chuyên gia giám sát thường trú có thể phát hiện sớm rủi ro hệ thống.
- METR có quyền công bố kết quả đánh giá mà Anthropic không thể phủ quyết. Tuy nhiên, Anthropic có thể yêu cầu che thông tin khách hàng, nội dung thuộc đặc quyền bảo mật pháp lý hoặc chi tiết kiến trúc mô hình.
- Anthropic không trả phí cho METR. Tổ chức này không nhận tài trợ từ doanh nghiệp AI hoặc nhân viên của họ, mà hoạt động nhờ nguồn đóng góp cá nhân, tổ chức thiện nguyện và cơ quan nhà nước.
- METR từng tham gia điều tra vụ các mô hình OpenAI hoạt động sai lệch tấn công Hugging Face, thông qua phân tích hàng nghìn bản ghi hệ thống.
- Anthropic tiếp tục hợp tác với Accenture về kiểm định an toàn, với cam kết đầu tư tối thiểu 1 tỷ USD từ mỗi bên, đồng thời sử dụng SecureBio để đánh giá rủi ro vũ khí hóa học và sinh học.
- Mô hình giám sát độc lập vẫn gây tranh luận về nguy cơ xung đột lợi ích và khả năng thay thế quy định nhà nước, đặc biệt khi Anthropic chuẩn bị IPO với mức định giá kỳ vọng trên 2.000 tỷ USD.
📌 Anthropic đang thử nghiệm cơ chế giám sát AI từ bên trong bằng cách trao quyền tiếp cận thực chất cho tổ chức đánh giá độc lập. Điểm khác biệt là METR có thể kiểm tra hệ thống nội bộ và công bố kết quả mà doanh nghiệp không được phủ quyết, thay vì chỉ đánh giá sản phẩm công khai. Tuy nhiên, quyền yêu cầu che thông tin và nguy cơ xung đột lợi ích vẫn đặt ra câu hỏi về tính độc lập. Anthropic kêu gọi các phòng thí nghiệm AI tiên phong áp dụng cơ chế tương tự.
Tổng hợp.
