Anthropic 新模型卡曝光：METR 团队进场评估「蚂蚁是否正在 fooming」
dfrsrchtwts · x · 2026-09-23
dfrsrchtwts 分享了他读新 Anthropic（Ant）模型卡时最喜欢的部分——看 METR 如何评估模型。这次的评估尤其夸张：METR 团队被请来专门评估该模型是否正在快速自我提升（fooming），任务清单里还包含一些有趣的测试项。
这是外部安全评估机构深度介入前沿模型能力评估的少见公开记录，模型卡里保留了原始评估细节。
所属事件:Anthropic 新模型卡：METR 入驻评估是否正在 fooming(2 条相关)→
「模型」频道最新
- Artificial Analysis 榜单权重被批随意，随时间大幅变动 — HamelHusain · 2026-11-12
- 双板搭建测试：GPT-6 Astra 成功，Claude Fable 5.2 落败 — qinzytech · 2026-11-12
- Zvi 深析 Anthropic 新系统卡: autonomy 阈值争议成焦点 — Don't Worry About the Vase (Zvi) · 2026-11-12
- antirez 背书:苹果 M5 本地跑低比特 DeepSeek 好过 27B 稠密模型 — antirez · 2026-11-12
- 被禁用视觉后 Gemini 自建文本图像硬扛基准,性能仅降 6% — zacharynado · 2026-11-12
- 实测三模型纯裸跑编码：Gemini 4 Carbon 代码质量惊艳性价比最高 — Semantic_meaning · 2026-11-12