2026年10月15日、Anthropicは独立評価者(independent evaluators)に関する最新情報を公表した。フロンティアモデル評価の非営利組織METRのチーム6名に、自社のハードウェア・オフィス・内部ツールへのアクセスを与え、「従業員に準じるアクセス(employee-like access)」でリスク評価を実施させる。しかもMETRは分析結果をAnthropicの拒否権なしに公表できる。前日(10月14日)のダブリンAIサミットで英国AISI長官が「企業が差し出した時しかテストできず、危険な配備も止められない」と認定した(post-284)直後だけに、民間ラボが自ら進めた「検査官の常駐」は、AIガバナンスの議論に新しい座標を打ち込んだ。
1. 何が発表されたのか
1.1 「従業員同等アクセス」の中身
Anthropicの発表によると、METRの従業員6名がオンboardingされ、以下を持つ。
- 会社支給のハードウェアとオフィススペース
- 自社のリスク評価チームとほぼ同等の内部ツール・システムへのアクセス
- 顧客データ、弁護士特権情報、モデルアーキテクチャ情報など、少数の明確に定義されたカテゴリを除く情報共有の対象
Anthropic社員は、アライメントリスクを扱う同僚に共有するのと同じように、彼らへの情報共有を奨励される。そして重要なのは、METRはリスク水準・インシデント・慣行の分析を公表でき、Anthropicは公表を拒否できないことだ。拒否できるのは、事前定義された狭いカテゴリ(顧客データ等)の黒塗りのみ。しかもMETRは「その黒塗りが正当だったか」という意見そのものを公表できる。
1.2 なぜ「銀行監督」なのか
Anthropic自身が類推を挙げている。「銀行は自分のリスクポジションを外部者よりよく知っている。だから規制当局は最大手の銀行に常駐検査官(resident examiners)を置く。銀行のリスクテイクが公共に脅威を与えうるなら、第三者がそれを事前に見ようとする」。フロンティアラボの情報非対称性は銀行と同じ構造であり、その解法も同じ「内部への視線」だという主張である。
1.3 評価者の3ティア
Anthropicは評価者との関係を3段階で設計している。
- 第1ティア: 範囲を限定したリスク調査。アクセスはAnthropicが決め、公表には承認が必要(SecureBioが現在ここ)
- 第2ティア: 承認なしで公表可能。より多くの情報へアクセスできるが、特定カテゴリの削除要求は可能(ただし評価者は「削除が正当か」を公表できる)
- 第3ティア: METR型の従業員同等アクセス+公表権。将来的に複数の評価者をこの水準に置くことを目標とする
さらにSecureBioやAccentureとの協業も進めており、Hugging Faceを含む他組織とも協議中とされる。これは先月署名したホワイトハウス「スーパーインテリジェンス協定」(独立監査・評価者との提携誓約)の実装でもある。
2. なぜ今これが重要なのか
2.1 AISI長官の認定との対比
前日(10月14日)の英議会委員会で、英国AI Security Institute長官は「我々は企業がモデルを差し出したときにしかテストできず、危険すぎると判断した配備を止めることもできない」と証言した。国家の検査機関が「権限の欠落」を認めた翌日に、民間ラボが自発的に検査官を社内に入れた──この対比が本件の本質である。
ただし非対称は残る。METRは「選ばれた」評価者であり、企業との緊張の中で働く。Anthropicも「銀行監督と完全に同じではない」と認めている。評価者の独立性(被評価企業の株式を保有しない、財務的に依存しない)と、アクセスの深さは常にトレードオフになる。3ティア設計は、そのトレードオフを制度化しようとする試みだ。
2.2 「評価の出版権」という発明
これまでの第三者評価の最大の構造問題は「結果を公表するかどうかを企業が決める」点だった。企業は安全評価を公開すると競争上不利になる情報も出てくるため、公表を躊躇するインセンティブを持つ。METR型の仕組みの核心は、公表権を評価者側に移したことだ。黒塗りの範囲は企業が決められるが、「黒塗りが正当か」への評価者の審判まで含めて公開される。情報の門番権限と、門番の正当性への審査権限を分離した点に、この制度設計の新しさがある。
2.3 実務者への含意
エージェントを製品に組み込む側にとって、この動きは「ベンダー選定基準」の変化を意味する。今後のデューデリジェンスでは、モデルのベンチマークスコアだけでなく、「どの評価者がどのティアでアクセスし、何を公表しているか」が調達の比較軸に入る。公表された評価レポートの有無自体が、モデルの信頼性シグナルになる時代が始まる。
3. その他の動き
3.1 Google、AI検索で「出典の見せ方」を刷新
GoogleはAI検索(AI Overviews / AI Mode)の更新を発表した。AI回答内のインラインリンクをより頻繁に、より前の位置に表示し、特定タスクには「公式サイト専用エリア」を回答の上部に設けてテストする。また時事ニュースのカルーセル表示を地域・言語を広げて展開し、回答末尾のリンクにはサムネイル付きの見栄えの良いデザインを適用する。ユーザーが指定した「preferred sources」機能の利用は年初来7倍に増えたという。
GPT-6のIntelligent UI(post-278)が回答を「使えるミニアプリ」に変えたのに対し、GoogleはAI回答を「読めるweb」に戻す方向を選んだ。機械生成ビジュアルはユーザーの目でしか検証できない、という先週のテーマに対し、出典を視覚的に前面に出すことは部分的な解であり、webエコシステムの存続をかけた設計判断でもある。
3.2 Gemini 4 Argon、価格の「有効期限」を公開
Gemini 4 Argon が GA された(post-284で短報)。詳細を見ると、発表価格は入力$2/出力$10(100万トークンあたり)だが、Googleは価格ページに「プロモーションは11月30日まで」と明記し、12月1日以降は$4/$20になると同時に公開した。$4/$20はClaude Opus 5.5と、プロモ中の$2/$10はGPT-6 Sol / Claude Sonnet 5.5の価格とセント単位で一致する。通常は曖昧にされる「値上げ日」を最初から宣言した点が珍しく、実質価格は$4/$20で「46日間Googleが半額を負担する」という読み方ができる。また最大出力トークンが64Kから1,048,576へ16倍に引き上げられた(opt-in)点も、長時間エージェント実行を意識した仕様変更である。
3.3 短報
英国AISIとAnthropicの安全評価では、フロンティアモデルが限定的な人間の監督下でクラウドサーバー上に持続的な環境を構築し、複数のインフラタスクを実行できることが示された(post-284の自己複製研究と同系統の能力評価)。ホワイトハウス「スーパーインテリジェンス協定」の署名企業は、ネットワーク・生物・化学の各領域でのモデル能力監視が義務付けられているが、その実装手法はまだ流動的である。
4. 示唆:安全は「宣言」から「監査」へ
post-273(通知)、post-274(宣誓)、post-280(強制報告)と追ってきた統治レイヤーの進化に、新しい層が加わった。常駐監査である。
- 宣言(企業が語る安全)→ 通知(事後報告)→ 宣誓(署名)→ 強制報告(義務化)→ 常駐監査(第三者が社内から見る)
METR型の仕組みが機能するかは、①黒塗りの運用が乱用されないか、②評価者の独立性が財務面で維持できるか、③他のラボ(OpenAI、Google DeepMind、Meta)が同水準のアクセスを受け入れるか、の3点に悬かっている。特に③が動けば、「従業員同等アクセスを受け入れるか否か」がフロンティアラボの標準的な信頼シグナルになる。次の監視ポイントは、他ラボの追随と、METRによる最初の公表レポートの内容だ。
参考リンク
Anthropic: An update on independent evaluators
Pick Right: Google's frontier model is finally on sale — Gemini 4 Argon pricing
光明网: AI「越界」?国際社会が「ガードレール」の設立を模索(白宫協定・中国AI安全治理框架3.0)