AI安全审查开始深入研发现场。前沿模型的独立评测正在尝试一种更深入的方式：不再只在产品发布前拿到一个封闭版本做短期测试，而是让外部评测人员进入研发环境，持续观察模型能力与防护措施的变化。

9月18日，Anthropic宣布与埃森哲合作开展“嵌入式评测”。项目由埃森哲旗下专业AI业务Faculty牵头，工作范围包括模型评估、红队测试、对齐评估和防护机制测试。Anthropic表示，嵌入式评测人员将获得接近内部员工的访问条件。

为什么外部测试还不够

传统第三方评测通常围绕某个确定版本展开，优点是边界清晰、便于形成独立报告。但前沿模型的训练、工具能力和安全策略持续变化，评测方如果只能在末端接触产品，可能很难及时发现开发过程中的风险趋势。

嵌入式模式试图把评测前移。评测团队可以更早理解系统设计、使用场景和企业部署方式，再据此设计更贴近真实风险的测试。不过，进入更深也会带来新的治理问题：如何保持独立性，如何控制敏感信息访问，发现问题后由谁决定是否暂停发布。

双方计划投入长期能力建设

Anthropic披露，双方预计在未来五年各自至少投入10亿美元，用于建设这一领域的能力。合作并非排他安排：Anthropic仍计划与其他评测组织合作，埃森哲也可为其他AI开发者提供类似服务。

官方同时强调，嵌入式评测仍是一种新机制，很多操作细节尚未确定。Anthropic也在与METR等非营利评测机构讨论试点，希望形成由多个组织参与、采用共享标准的评测生态。

编辑观察：关键不是“坐得更近”，而是能否保持制衡

对企业采购方来说，这项合作值得关注的不是投入金额本身，而是评测能否形成可追溯的证据：测试覆盖了哪些高风险能力，失败结果是否会阻止上线，模型更新后是否重新评估，以及结论能否由独立方公开说明。

嵌入式评测若要建立信任，需要预先约定权限边界、利益冲突披露、问题升级通道和报告发布规则。只有评测人员既能接触足够的信息，又保留提出反对意见的独立空间，这种模式才可能成为前沿AI治理中的有效制衡。

配图为AIcent原创AI生成实景风格示意图，非官方新闻现场照片，不使用第三方新闻图片。

参考来源：Anthropic官方新闻（2026年9月18日）。正文为基于官方消息的中文整理，编辑观察与事实披露分开呈现。