METR 开源 Hawk 平台：在 AWS 上规模化运行 Inspect AI 评测

METR 开源了 Inspect-Hawk，一个基于 Inspect AI 的云端评测平台，用户用一份 YAML 定义任务、Agent 和模型，平台自动分配隔离的 Kubernetes pod、管理 LLM API 凭证、流式日志并把结果存入 PostgreSQL 仓库，提供 Web UI 浏览。支持内置 LLM 代理（OpenAI、Anthropic、Google Vertex）、按模型的行级权限控制、Inspect Scout 扫描历史评测转录，可通过 Pulumi 在 AWS 一键部署，CLI 可用 uv 或 pip 安装，MIT 许可。