METR 之争：第三方评测虽不完美，但总好过厂商无凭据的自我估计
S_OhEigeartaigh · x · 2026-11-07
围绕 METR 是否该帮 Anthropic "打卡"第三方评测的讨论。发帖人 SOhEigeartaigh 认为，第三方评测并非 Anthropic 必须做的事，METR 参与其中不算拖累生态。回复者则从 METR 视角辩护：如果不做，结果就是什么都没有——或者只剩 Anthropic 自己缺乏证据支撑的估计——而那比现状糟得多。
短对话折射出 AI 安全评测生态的老问题：第三方独立评估的边界、成本与厂商自评可信度之间的权衡。
所属事件:METR 回应争议：接受条款评估仍胜过厂商自评(2 条相关)→
「模型」频道最新
- Thinking Machines 开源 Inkling 2 Small：前端榜第 4，输出价较 Kimi K3 便宜 15 倍 — udmrzn · 2026-11-07
- AA 评测:Qwen3.8 27B 回复长达 1030 词,是 GPT-6 Sol 的 6 倍 — ArtificialAnlys · 2026-11-07
- 中国电信星辰 Xing4.0-29B 开源:昇腾 NPU 全程训练,SWE-bench Verified 达 75 分 — jacek2023 · 2026-11-07
- Mistral 学生计划:$6 月费打包 DeepSeek 与 GLM 用量 — GuillaumeLample · 2026-11-07
- Opus 5.5 宣称任务成本降 40%，被否掉的产品点子值得重测 — krishnan · 2026-11-07
- 41 天 124 站点 11398 次实测：RoboColosseum 证实 GPT-6 Astra 确实强悍 — DJiafei · 2026-11-07