Model Evaluation and Threat Research (METR) publicó el 20 de octubre de 2026 una revisión de la evaluación de riesgos de Anthropic. El análisis se basó exclusivamente en el informe de riesgos de la empresa de agosto de 2026 y no utilizó el acceso para evaluadores que Anthropic había anunciado el 15 de octubre.
METR examinó el apartado «Misalignment in high-stakes settings» y situó su evaluación en los modelos desplegados antes del 15 de julio de 2026, entre ellos Mythos 5 y el modelo interno «Model 2». Su mejor estimación fue que el riesgo de daño catastrófico por desalineación era bajo para esos modelos, principalmente por sus capacidades limitadas. A la vez, advirtió que los métodos del informe quizá no detectarían de forma fiable un riesgo mayor.
Qué acceso anunció Anthropic para METR
Anthropic dijo que seis empleados de METR ya tenían hardware de la empresa, espacio de oficina y acceso a sistemas internos, en condiciones comparables a las de sus propios equipos de evaluación de riesgos. El equipo está separado del resto del personal de METR y trabaja bajo las normas de seguridad y los acuerdos exigibles de Anthropic.
El programa sigue la propuesta de evaluadores externos que Dario Amodei había planteado anteriormente, tratada por NeoTeo en su cobertura de esa propuesta. Anthropic organiza a los evaluadores en tres niveles, que combinan distintos grados de acceso y condiciones de publicación:
| Nivel | Condiciones de publicación descritas por Anthropic |
| 1 | Anthropic debe aprobar la publicación. |
| 2 | El evaluador puede publicar sin aprobación, sujeto a redacciones específicas. |
| 3, METR | Acceso de tipo empleado y derechos de publicación similares a los del nivel 2. |
Anthropic afirma que no puede vetar la publicación de METR, pero sí puede exigir que se oculten datos de clientes, información protegida por el secreto profesional entre abogado y cliente y detalles de la arquitectura de los modelos. La empresa también dice que decide en última instancia si un contenido encaja en esas categorías. METR puede hacer ciertas declaraciones públicas sobre el acceso y la información que recibió.
La diferencia práctica es que tener acceso interno y poder publicar son condiciones distintas. El nivel 3 combina el acceso descrito para el equipo de METR con derechos de publicación parecidos a los del nivel 2, aunque Anthropic conserva la decisión sobre la aplicación de las categorías de redacción.
Qué concluyó METR y qué recomendó
La estimación de METR se refiere a los modelos cubiertos por el informe de Anthropic, no a todos los modelos de la empresa. METR atribuyó principalmente el riesgo bajo a las capacidades limitadas de esos modelos, más que a las salvaguardas o al entrenamiento de alineación. Su advertencia metodológica importa porque un resultado de riesgo bajo no descarta que los métodos pudieran pasar por alto un riesgo más alto.
METR recomendó pruebas adversariales más amplias, de extremo a extremo, para el sistema de monitorización asíncrona de Anthropic. Esas pruebas deberían explorar si un agente persistente podría encontrar vías menos vigiladas o manipular la monitorización. También recomendó incluir en el análisis de riesgos la posibilidad de que sistemas de IA socaven decisiones de Anthropic relacionadas con la seguridad.
Esas recomendaciones pertenecen a la revisión del informe de agosto. La publicación del 20 de octubre no fue un resultado obtenido por los seis empleados mediante el nuevo acceso anunciado por Anthropic el 15 de octubre.
