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
- Scaling01 断言:.0 版本必翻车,.5 版本才是真王者 — scaling01 · 2026-09-23
- Opus 5.5 上线 LMArena，Battle 与 Agent 模式均可试玩 — arena · 2026-09-23
- Opus 5.5 评测表脚注曝光:部分任务实为旧款 Claude 代跑完成 — airesearch12 · 2026-09-23
- Every 开播「新模型 Vibe Check」,实时聊最新模型 — danshipper · 2026-09-23
- 博主实测后改口:Opus 5.5 在 Game Boy 测试上表现更合口味 — Angaisb_ · 2026-09-23
- Claude Opus 5.5 特殊设计:前沿开发类能力会降级到弱模型 — akbirthko · 2026-09-23