KI-Modelle und Plattformen
METR schätzt, dass sich Anthropic bei der Weiterentwicklung seiner Modelle nahezu verdoppelt hat
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
METR veröffentlichte eine unabhängige Bewertung am 5. November 2026. Darin kam die Organisation zu dem Schluss, dass Anthropic die Fähigkeiten seiner Modelle bei klar definierten Aufgaben wahrscheinlich etwa doppelt so schnell verbessert wie zuvor und dass der Einsatz von KI wahrscheinlich den Großteil der aktuellen Beschleunigung erklärt. Die Schlussfolgerungen sind mit erheblicher Unsicherheit behaftet, und Schwärzungen verbergen einen großen Teil der zugrunde liegenden Belege.
Benchmarkdaten zeigen einen steileren Trend
Anhand des AECI, Anthropics Benchmark-Fähigkeitsindex, schätzte METR, dass die Benchmarkwerte seit Oktober 2025 1,9-mal so schnell gestiegen sind; das 95-%-Konfidenzintervall liegt bei einem Faktor von 1,5 bis 2,8. Bei diesem Tempo entspricht der Fortschritt eines Jahres ungefähr zwei Jahren Fortschritt beim bisherigen Tempo. Die übergeordnete Einschätzung vergleicht Oktober 2026 mit dem Tempo, das von März 2024 bis Oktober 2025 beobachtet wurde.
Die Berechnung berücksichtigt auch interne, nicht veröffentlichte Modelle und datiert jeden Modellstand danach, wann ihn die meisten Anthropic-Mitarbeiter nutzen konnten. So ergibt sich eine gemeinsame Vergleichsgrundlage für veröffentlichte und unveröffentlichte Systeme. METRs Robustheitsprüfungen ergaben je nach alternativer Modellierungsentscheidung Beschleunigungsschätzungen zwischen dem 1,1- und dem 2,9-Fachen. Das zeigt, wie empfindlich die Ergebnisse darauf reagieren, wie die Schwierigkeit der Benchmarks und andere analytische Annahmen abgebildet werden.
Belege für die Rolle von KI bei der Beschleunigung
Die Belege überzeugten METR davon, dass das schnellere Wachstum des Rechenaufwands für das Training die Beschleunigung nicht verursacht hat, auch wenn die stützenden Einzelheiten geschwärzt wurden. Nicht durch KI bedingte Faktoren spielten Ende 2025 wahrscheinlich eine große Rolle; nach der derzeit besten Einschätzung erklären sie jedoch nicht die anhaltende Beschleunigung.
Die Hinweise von Mitarbeitern deuteten in dieselbe Richtung, waren jedoch uneinheitlich. Die Einschätzungen der Forscher zur Beschleunigung um etwa das Doppelte gingen weit auseinander. Informelle Umfragen ergaben, dass Mitarbeiter den durchschnittlichen Produktivitätszuwachs durch das leistungsfähigste interne Modell im Oktober 2026 mit etwa dem 12-Fachen angaben. METR warnte, dass die Beantwortung der Umfragen wenig Aufwand erforderte, die Antworten möglicherweise nicht repräsentativ für die Belegschaft insgesamt waren und individuelle Produktivitätszuwächse nicht unmittelbar mit einem organisationsweiten Zuwachs an Fähigkeiten gleichzusetzen sind.
Die aktuelle Wirkung geht vor allem darauf zurück, dass KI Forscher unterstützt. KI kann noch keine sehr bedeutenden, vollständig autonomen Beiträge zu den wichtigsten Trainingsarbeiten leisten. Forscher beschrieben jedoch Anzeichen dafür, dass solche Beiträge bald möglich werden könnten; wie weit die Entwicklung fortgeschritten ist, unterscheidet sich je nach Bereich.
Engpässe und Messbarkeit bleiben ungewiss
Es gab keine überzeugenden Belege dafür, dass algorithmischer Fortschritt, der Rechenaufwand für das Training, der Rechenaufwand für Experimente oder Daten innerhalb eines Zeithorizonts von 12 Monaten erhebliche Engpässe verursachen würden. Die Einschätzung der Prüfer änderte sich mehrfach, als neue Informationen hinzukamen, sodass sie sich ihrer Bewertung nicht sicher waren. METR kam dennoch zu dem Schluss, dass das Fehlen klarer Beschränkungen oder stark abnehmender Grenzerträge ein erhebliches Risiko birgt: Weitere Fähigkeitszuwächse könnten sich summieren und zu einer noch schnelleren Beschleunigung führen. Dabei handelt es sich um eine zukunftsgerichtete Risikoeinschätzung, nicht um ein beobachtetes Ergebnis.
Der AECI konzentriert sich auf klar definierte und leicht zu bewertende Aufgaben. Schnellere Zuwächse bei Benchmarks müssen sich daher nicht in entsprechend stärkeren Auswirkungen in der realen Welt niederschlagen. METR erklärte, dass Überanpassung, nicht durch KI bedingte Faktoren oder eine ungewöhnlich schwache historische Ausgangsbasis die Schätzung zu hoch ausfallen lassen könnten. Umgekehrt könnten eine übersehene jüngste Beschleunigung, die schneller als erwartet erfolgende Beseitigung menschlicher Engpässe oder Benchmarkwerte, die die Auswirkungen in der realen Welt unterschätzen, dazu führen, dass die Schätzung zu niedrig ausfällt. Die Ergebnisse von Model 4, die bei allen 15 dafür verwendeten Benchmarks über 50 % lagen, begründeten zusätzlich die Sorge, dass eine Sättigung künftige Messungen erschweren könnte.
Umfangreicher Zugang, aber nur begrenzte öffentliche Belege
METR besetzte die elf Wochen dauernde Bewertung mit 2,5 Vollzeitäquivalenten; sie lief vom 12. August 2026 bis zum 29. Oktober 2026. Das Team prüfte interne Benchmark-Ergebnisse, Kennzahlen zum Vortraining und zum bestärkenden Lernen, Messungen des Rechenaufwands beim Training, Analysen zur Beschleunigung durch KI und interne Dokumente und stützte sich auf rund 15 Interviews mit wichtigen Mitarbeitenden. Es erhielt weder einen ungehinderten, mitarbeiterähnlichen Zugang noch konnte es nicht öffentliche Modelle ausprobieren.
Anthropic konnte Informationsanfragen genehmigen oder ablehnen und nicht öffentliche Materialien einseitig schwärzen. Dadurch fehlte im öffentlichen Bericht der Großteil der Belege, die METR für besonders aussagekräftig hielt. Dazu gehörten detaillierte Einschätzungen zum Beitrag von KI, Schätzungen zum algorithmischen Fortschritt, konkrete Analysen möglicher Engpässe und Prognosen zu künftigen Modellen. Anthropic begründete die Schwärzungen mit dem Schutz vertraulicher Informationen, die andere KI-Entwickler schneller voranbringen könnten. METR behielt die Entscheidungsfreiheit über Methodik und Schlussfolgerungen und erhielt keine Bezahlung, arbeitete jedoch mit Geräten von Anthropic und nutzte kostenlose Tokens.
Die Bewertung bietet eine umfangreiche externe Untersuchung der durch KI beschleunigten Forschung, ohne jedoch die zugrunde liegenden Belege transparent zu machen. Öffentliche Benchmark-Ergebnisse und Berichte von Mitarbeitern sprechen für schnellere Fortschritte. Aufgrund der Schwärzungen können Leser jedoch einen großen Teil der Grundlage für METRs Einschätzungen zum Beitrag von KI und zu möglichen Engpässen nicht selbst beurteilen. Diese zentralen Schlussfolgerungen stützen sich daher in hohem Maß auf die Zusammenführung von Belegen durch die Gutachter, die Leser nicht vollständig einsehen können.
