2026 年 9 月，Anthropic 宣布与埃森哲共建一套「嵌入式评估（embedded evaluation）」机制：把评估人员以接近员工的身份派驻到前沿实验室内部，在模型训练与部署决策形成之际，就介入红队、对齐与可报告性工作。双方承诺五年内各自投入至少 10 亿美元，合作非独占，并将与 METR 等非营利评估机构试点。这套安排把「评估者」从交付后的外部考官，变成研发内部的常驻观察者——它要回答的是一个老问题：当模型在训练途中就可能跑偏，只在成品出来后评一次，还来得及吗。
外部评估为什么不够用
传统第三方评测的路径很熟悉：公开榜单、独立红队、学术复现，都是在模型或产品打包完成后评一次。能看到的是结果，看不到的是过程。盲区恰恰落在那些最关键的「看不见的决策」上——训练目标怎么定、哪些数据被留下又被丢弃、部署阈值由谁拍板、哪类风险被主动淡化。等成品到了评测者手里，许多选择已经固化，评测再严，也只是对既成事实打分，难以反向改变研发走向。
嵌入式评估的补法，是把评估者请进研发内部。Anthropic 称这些派驻人员（Faculty）拥有接近员工的权限：能读训练日志、能旁听评审会、能在决策节点直接提问，也能在风险浮现时要求暂停或调整。评估从「事后验收」前移到「事中观察」，等于把评测嵌入了模型成长的每一环，而不是只在出厂门口设卡。
增量认知：前沿模型的真正风险，往往不是「会不会答错一道题」，而是「训练途中目标被悄悄改写了、某类失败被有意淡化了」。事后评测天然看不到这些；只有评估者以足够深的权限待在研发现场，才有可能在偏移刚发生时就指出，而不是在事故后写复盘。嵌入式评估的价值，正在于把评测从结果层推进到过程层。
驻场能做什么：红队、对齐、可报告性
嵌入式评估把驻场工作拆成三件具体的事。其一是红队：不等模型发布，在训练与部署前就主动寻找失稳、越狱与可被诱导的漏洞路径，把问题拦在更早的位置。其二是对齐：把「模型应当怎样表现」落成可检验的标准，而不是停留在口号；评估者要和研发方一起把抽象原则变成可测的指标与边界。其三是可报告性：观察结果不只对内汇报，而是面向公众披露风险，让外部社会也能基于真实信息做判断。
这三类工作合在一起，指向一个角色转变：评估者不只是「打分员」，更是「见证者」。当模型能力逼近某些关键阈值，外部社会需要的不再是厂商自说自话的「我们很安全」，而是有独立身份、能接触到过程、并愿意对外说话的人在场。这也是嵌入式评估与单纯第三方测评最本质的分野——前者赌的是「在场」，后者依赖的是「成品」。
钱从哪来，独立性怎么保
这套机制的体量不小：Anthropic 与埃森哲各自承诺五年至少 10 亿美元投入。合作被明确标注为非独占，意味着 Anthropic 可同时与其他评估者并行，不必把鸡蛋放进一个篮子；同时将与 METR 等非营利评估方试点，借力已有的独立评估基础设施。非独占与多评估者并行的设计，本身就是为了稀释「单一来源」带来的偏倚风险。
但钱从哪来，直接决定了独立性成色。当前的争议点在于：评估费用目前由被评实验室（此处即 Anthropic）直接承担。评估者拿着被评方的预算，天然面临「会不会手下留情」的质疑——这和企业请审计、又由被审计方付费是同一类老毛病。学界与政策圈给出的出路大致两条：一是评估资金由多方共担，形成不依附单一厂商的资金池；二是由政府出资设立独立评估机构，把「评」和「被评」在财务上彻底切开。
边界提醒：嵌入式评估在方法上更近事实，但独立性不是靠「驻场」自动获得的。只要评估费由被评实验室直付，独立性就始终是一句需要被持续检验的承诺，而非既成结论。读这类新闻时，应区分「机制设计上更优」与「实际独立性能否兑现」——前者是方向，后者还要看资金结构与问责安排是否真的到位。
总的看，Anthropic 与埃森哲的嵌入式评估，是把「过程可观察、风险可报告」从理念推向制度的尝试。它值得关注，不只是因为五年 20 亿美元的量级，更因为它试探了一种可能：当模型越来越强，评估者也许该更早、更深地坐在研发现场，而不是总在成品之后才赶到。但这一切的成色，最终要由独立性能不能被制度守住来定。