METR ประเมินว่าอัตราการพัฒนาความสามารถของโมเดล Anthropic แทบเพิ่มขึ้นเป็นสองเท่า

เมื่อวันที่ 5 พฤศจิกายน 2026 METR เผยแพร่การประเมินที่เป็นอิสระ โดยเห็นว่า Anthropic น่าจะพัฒนาความสามารถของโมเดลในงานที่กำหนดขอบเขตไว้อย่างชัดเจนได้ในอัตราประมาณสองเท่าของก่อนหน้า และการใช้ AI น่าจะเป็นสาเหตุของการเร่งตัวในปัจจุบันมากกว่าครึ่งหนึ่ง ข้อสรุปเหล่านี้ยังมีความไม่แน่นอนอยู่มาก และการปกปิดข้อมูลทำให้หลักฐานสนับสนุนส่วนใหญ่ไม่ปรากฏ

หลักฐานจากการทดสอบมาตรฐานแสดงแนวโน้มที่ชันขึ้น

METR ใช้ AECI ซึ่งเป็นดัชนีความสามารถของ Anthropic จากผลการทดสอบมาตรฐาน ประเมินว่าคะแนนการทดสอบมาตรฐานเพิ่มขึ้นเร็วกว่าเดิม 1.9 เท่านับตั้งแต่เดือนตุลาคม 2025 โดยมีช่วงความเชื่อมั่น 95% อยู่ที่ 1.5–2.8 เท่า อัตรานี้หมายความว่า ในหนึ่งปีมีความก้าวหน้าเทียบเท่ากับประมาณสองปี หากใช้อัตราเดิม การประเมินภาพรวมนี้เปรียบเทียบอัตราในเดือนตุลาคม 2026 กับอัตราที่พบตั้งแต่เดือนมีนาคม 2024 ถึงเดือนตุลาคม 2025

การคำนวณนี้รวมโมเดลที่ใช้ได้เฉพาะภายในองค์กร และระบุวันที่ของผลการประเมินแต่ละครั้งตามช่วงที่พนักงาน Anthropic ส่วนใหญ่สามารถใช้งานโมเดลนั้นได้ จึงทำให้มีเกณฑ์ร่วมสำหรับเปรียบเทียบระบบที่เปิดตัวแล้วกับระบบที่ยังไม่เปิดตัว การตรวจสอบความทนทานของผลการวิเคราะห์โดย METR ให้ค่าประมาณการเร่งตัวตั้งแต่ 1.1 ถึง 2.9 เท่า เมื่อใช้ทางเลือกในการสร้างแบบจำลองต่างกัน ซึ่งแสดงให้เห็นว่าผลลัพธ์อ่อนไหวต่อวิธีแทนค่าความยากของการทดสอบมาตรฐานและสมมติฐานเชิงวิเคราะห์อื่น ๆ

หลักฐานที่ชี้ถึงบทบาทของ AI ในการเร่งตัว

หลักฐานดังกล่าวทำให้ METR เชื่อว่าการเติบโตของกำลังประมวลผลสำหรับการฝึกที่เร็วขึ้นไม่ได้เป็นสาเหตุของการเร่งตัว แม้รายละเอียดที่ใช้สนับสนุนข้อสรุปนี้จะถูกปกปิดไว้ ปัจจัยที่ไม่เกี่ยวกับ AI น่าจะมีบทบาทมากในช่วงปลายปี 2025 แต่ข้อสันนิษฐานที่ดีที่สุดในปัจจุบันคือ ปัจจัยเหล่านั้นไม่ได้อธิบายการเร่งตัวที่ดำเนินต่อเนื่อง

หลักฐานจากพนักงานชี้ไปในทิศทางเดียวกัน แต่ยังไม่สม่ำเสมอ ผลการสัมภาษณ์นักวิจัยแตกต่างกันมาก โดยอยู่รอบค่าการเร่งตัวประมาณสองเท่า ผลสำรวจอย่างไม่เป็นทางการระบุว่า ในเดือนตุลาคม 2026 พนักงานประเมินด้วยตนเองว่าโมเดลภายในที่มีความสามารถสูงสุดช่วยเพิ่มประสิทธิภาพโดยเฉลี่ยประมาณ 12 เท่า อย่างไรก็ตาม METR เตือนว่าการตอบแบบสำรวจแทบไม่ต้องใช้ความพยายาม ผลที่ได้อาจไม่เป็นตัวแทนของพนักงานโดยรวม และการเพิ่มประสิทธิภาพของแต่ละบุคคลก็ไม่ได้เท่ากับการเติบโตของขีดความสามารถทั้งองค์กรโดยตรง

ผลกระทบในปัจจุบันส่วนใหญ่เกิดจากการที่ AI ช่วยเหลือนักวิจัย ขณะนี้ AI ยังไม่สามารถมีส่วนร่วมอย่างมีนัยสำคัญสูงและทำงานได้โดยอัตโนมัติอย่างเต็มรูปแบบในงานฝึกโมเดลที่สำคัญที่สุด แม้นักวิจัยจะกล่าวว่ามีสัญญาณว่าการมีส่วนร่วมลักษณะนี้อาจเกิดขึ้นได้ในไม่ช้า โดยระดับความพร้อมแตกต่างกันไปในแต่ละสาขา

คอขวดและการวัดผลยังมีความไม่แน่นอน

ไม่พบหลักฐานที่น่าเชื่อถือว่า ความก้าวหน้าด้านอัลกอริทึม กำลังประมวลผลสำหรับการฝึก กำลังประมวลผลสำหรับการทดลอง หรือข้อมูล จะเป็นคอขวดสำคัญภายในกรอบเวลา 12 เดือน ผู้ทบทวนเปลี่ยนการตีความหลายครั้งเมื่อได้รับข้อมูลใหม่ จึงยังไม่มั่นใจในการประเมินดังกล่าว อย่างไรก็ตาม METR เห็นว่าการไม่มีข้อจำกัดที่ชัดเจนหรือผลตอบแทนที่ลดลงอย่างรวดเร็วสร้างความเสี่ยงอย่างมีนัยสำคัญที่การเพิ่มขึ้นของขีดความสามารถในอนาคตอาจทบต้นจนทำให้การเร่งตัวเร็วขึ้นไปอีก นี่เป็นการประเมินความเสี่ยงที่มองไปข้างหน้า ไม่ใช่ผลลัพธ์ที่สังเกตพบแล้ว

AECI เน้นงานที่กำหนดขอบเขตไว้อย่างชัดเจนและตรวจให้คะแนนได้ง่าย ดังนั้นคะแนนการทดสอบมาตรฐานที่เพิ่มขึ้นเร็วกว่าเดิมจึงอาจไม่ได้แปลว่าจะเกิดผลในโลกจริงเพิ่มขึ้นในระดับเดียวกัน METR ระบุว่า การปรับให้เข้ากับชุดข้อมูลมากเกินไป ปัจจัยที่ไม่เกี่ยวกับ AI หรือค่าฐานในอดีตที่ต่ำผิดปกติ อาจทำให้ค่าประมาณสูงเกินไป ขณะที่การพลาดการเร่งตัวที่เกิดขึ้นเมื่อไม่นานมานี้ การขจัดคอขวดจากมนุษย์ได้เร็วกว่าที่คาด หรือคะแนนการทดสอบมาตรฐานที่สะท้อนผลกระทบในโลกจริงต่ำกว่าความเป็นจริง อาจทำให้ค่าประมาณต่ำเกินไป คะแนนของ Model 4 ที่สูงกว่า 50% ในการทดสอบมาตรฐานทั้ง 15 รายการที่ใช้กับโมเดลนี้ยังเพิ่มข้อกังวลอีกประการว่า การเข้าสู่ภาวะอิ่มตัวอาจเป็นอุปสรรคต่อการวัดผลในอนาคต

เข้าถึงข้อมูลได้กว้างขวาง แต่หลักฐานสาธารณะมีจำกัด

METR จัดกำลังคน 2.5 อัตรากำลังเต็มเวลาสำหรับการประเมินระยะสิบเอ็ดสัปดาห์ ซึ่งดำเนินตั้งแต่วันที่ 12 สิงหาคม 2026 ถึงวันที่ 29 ตุลาคม 2026 ทีมได้ตรวจสอบผลการทดสอบมาตรฐานภายใน ตัวชี้วัดการฝึกขั้นต้นและการเรียนรู้แบบเสริมกำลัง การวัดกำลังประมวลผลสำหรับการฝึก การวิเคราะห์การเร่งความเร็วด้วย AI และเอกสารภายใน อีกทั้งสัมภาษณ์พนักงานคนสำคัญประมาณ 15 คน ทีมไม่ได้รับการเข้าถึงโดยตรงในระดับเดียวกับพนักงาน หรือเข้าถึงโมเดลที่ไม่เปิดเผยต่อสาธารณะเพื่อสุ่มตัวอย่าง

Anthropic สามารถอนุมัติหรือปฏิเสธคำขอข้อมูล และปกปิดข้อมูลที่ไม่เปิดเผยต่อสาธารณะได้ฝ่ายเดียว การปกปิดข้อมูลทำให้หลักฐานส่วนใหญ่ที่ METR เห็นว่ามีข้อมูลให้ความเข้าใจมากที่สุดถูกตัดออกจากรายงานสาธารณะ ซึ่งรวมถึงรายละเอียดการระบุสัดส่วนที่เป็นผลจาก AI ค่าประมาณความก้าวหน้าด้านอัลกอริทึม การวิเคราะห์คอขวดเฉพาะด้าน และการคาดการณ์โมเดลในอนาคต Anthropic อธิบายว่าการปกปิดข้อมูลมีไว้เพื่อคุ้มครองข้อมูลลับที่อาจช่วยให้ผู้พัฒนา AI รายอื่นเร่งการพัฒนาได้ METR ยังคงมีอิสระในการกำหนดวิธีการและข้อสรุป และไม่ได้รับค่าตอบแทน แม้จะทำงานบนอุปกรณ์ของ Anthropic และใช้โทเคนฟรี

การประเมินนี้เป็นการตรวจสอบจากภายนอกอย่างกว้างขวางเกี่ยวกับการเร่งงานวิจัยด้วย AI แต่ยังไม่เปิดเผยหลักฐานเบื้องหลังอย่างโปร่งใส ผลการทดสอบมาตรฐานที่เปิดเผยต่อสาธารณะและคำบอกเล่าจากพนักงานสนับสนุนข้อสรุปว่าความก้าวหน้าเร็วขึ้น แต่การปกปิดข้อมูลทำให้ผู้อ่านไม่สามารถประเมินหลักฐานส่วนใหญ่ที่ใช้รองรับการระบุสาเหตุและข้อสรุปเรื่องคอขวดของ METR ได้ด้วยตนเอง ดังนั้น ข้อค้นพบสำคัญเหล่านี้จึงอาศัยการสังเคราะห์หลักฐานของผู้ประเมินเป็นอย่างมาก ทั้งที่ผู้อ่านไม่สามารถตรวจสอบหลักฐานได้ครบถ้วน