METR’ye Göre Anthropic’in Model Yeteneklerindeki Artış Neredeyse İki Katına Çıktı

METR, 5 Kasım 2026’da bağımsız bir değerlendirme yayımladı. Değerlendirmede, Anthropic’in iyi tanımlanmış görevlerde model yeteneklerini muhtemelen önceki hızının yaklaşık iki katında geliştirdiği ve mevcut hızlanmanın büyük bölümünü muhtemelen yapay zekâ kullanımının açıkladığı sonucuna varıldı. Sonuçlar önemli ölçüde belirsizlik taşıyor ve sansürlenen bölümler, dayanak oluşturan kanıtların büyük kısmını gizliyor.

Kıyaslama Bulguları Daha Hızlı Bir Eğilime İşaret Ediyor

Anthropic’in kıyaslama yetenek endeksi AECI’yi kullanan METR, kıyaslama puanlarının Ekim 2025’ten bu yana 1,9 kat daha hızlı arttığını tahmin etti; %95 güven aralığı 1,5–2,8 kattı. Bu hız, önceki tempoda yaklaşık iki yıllık ilerlemenin tek bir yılda kaydedilmesi anlamına geliyor. Daha kapsamlı değerlendirme, Ekim 2026’daki hızı Mart 2024 ile Ekim 2025 arasında gözlemlenen hızla karşılaştırıyor.

Hesaplamaya yalnızca kurum içinde kullanılan modeller de dahil edildi ve her model anlık görüntüsünün tarihi, Anthropic çalışanlarının çoğunun o modeli kullanabildiği zamana göre belirlendi. Böylece yayımlanmış ve yayımlanmamış sistemler için ortak bir temel oluşturuldu. METR’nin sağlamlık kontrollerinde, alternatif modelleme tercihleri altında hızlanma tahminleri 1,1 ile 2,9 kat arasında değişti. Bu sonuç, kıyaslama zorluğunun ve diğer analitik varsayımların nasıl temsil edildiğine ne ölçüde duyarlı olunduğunu gösteriyor.

Hızlanmada Yapay Zekânın Rolüne İlişkin Bulgular

Bulgular, eğitim için kullanılan hesaplama gücündeki daha hızlı artışın hızlanmaya yol açmadığı konusunda METR’yi ikna etti; ancak bu yargıyı destekleyen ayrıntılar sansürlendi. Yapay zekâ dışındaki etkenler 2025’in sonlarında muhtemelen büyük rol oynadı, ancak mevcut en iyi tahmin, bu etkenlerin süregelen hızlanmayı açıklamadığı yönünde.

Çalışanlardan elde edilen bulgular da aynı yöne işaret etti, ancak tutarlı değildi. Araştırmacılarla yapılan görüşmelerde, yaklaşık iki katlık hızlanmaya ilişkin değerlendirmeler büyük farklılık gösterdi. Gayriresmî anketlerde, en yetkin kurum içi modelin sağladığı verimlilik artışına ilişkin çalışanların kendi bildirimlerinin ortalaması Ekim 2026’da yaklaşık 12 kat çıktı. METR, yanıtlamanın çok az çaba gerektirdiği, yanıtların çalışanların geneline ilişkin bir tablo sunmayabileceği ve bireysel verimlilik artışlarının kuruluş genelindeki yetenek artışına doğrudan eşit olmadığı uyarısında bulundu.

Mevcut etki, esas olarak yapay zekânın araştırmacılara yardımcı olmasından kaynaklanıyor. Yapay zekâ henüz en önemli eğitim çalışmalarına yüksek önem taşıyan ve tamamen özerk katkılar sunamıyor. Bununla birlikte araştırmacılar, bu tür katkıların yakında ortaya çıkabileceğine ilişkin işaretler gördüklerini belirtti; olgunluk düzeyi alanlara göre değişiyor.

Darboğazlar ve Ölçüm Konusundaki Belirsizlik Sürüyor

Algoritmik ilerlemenin, eğitim hesaplama gücünün, deney hesaplama gücünün veya verinin 12 aylık bir zaman diliminde önemli darboğazlar yaratacağına dair ikna edici bir kanıt ortaya çıkmadı. Yeni bilgiler geldikçe incelemeyi yapanların yorumu birkaç kez değişti ve bu değerlendirmeye güven duymalarını zorlaştırdı. Buna rağmen METR, açık kısıtların veya keskin azalan getirilerin bulunmamasının, yeteneklerdeki yeni artışların birikerek daha da hızlı bir ivmelenmeye yol açabileceği yönünde önemli bir risk oluşturduğu sonucuna vardı. Bu, gözlemlenmiş bir sonuç değil, geleceğe dönük bir risk değerlendirmesidir.

AECI, iyi tanımlanmış ve kolayca puanlanabilen görevlere ağırlık veriyor; dolayısıyla kıyaslama sonuçlarındaki daha hızlı artışlar gerçek dünyada aynı ölçüde etki yaratmayabilir. METR, aşırı uyumun, yapay zekâ dışındaki katkıların veya geçmişteki alışılmadık ölçüde zayıf bir başlangıç düzeyinin tahminini gereğinden yüksek gösterebileceğini belirtti. Buna karşılık, yakın dönemdeki hızlanmanın gözden kaçırılması, insan kaynaklı darboğazların beklenenden hızlı ortadan kalkması veya kıyaslama puanlarının gerçek dünyadaki etkiyi olduğundan düşük yansıtması tahmini gereğinden düşük gösterebilir. Model 4’ün, kendisi için kullanılan 15 kıyaslamanın tümünde %50’nin üzerinde puan alması, doygunluğun gelecekteki ölçümü aksatabileceğine ilişkin ayrı bir kaygıyı da beraberinde getirdi.

Geniş Erişim, Ancak Kamuya Açık Kanıtlar Sınırlı

METR, 12 Ağustos 2026’dan 29 Ekim 2026’ya kadar süren on bir haftalık değerlendirmeyi 2,5 tam zamanlı eşdeğer personelle yürüttü. Kurum içi kıyaslama sonuçlarını, ön eğitim ve pekiştirmeli öğrenme ölçütlerini, eğitim hesaplama gücüne ilişkin ölçümleri, yapay zekânın hızlandırıcı etkisine yönelik analizleri ve kurum içi belgeleri inceledi; ayrıca kilit çalışanlarla yaklaşık 15 görüşme yaptı. Ekip, çalışanlara tanınan türden aracısız erişim elde etmedi ve kamuya açık olmayan modelleri incelemedi.

Anthropic, bilgi taleplerini onaylayabilir veya reddedebilir, ayrıca kamuya açık olmayan materyalleri tek taraflı olarak karartabilirdi. Karartmalar, METR’nin en bilgilendirici bulduğu kanıtların çoğunun kamuya açık rapordan çıkarılmasına yol açtı. Bunlar arasında yapay zekânın katkısına ilişkin ayrıntılı atıflar, algoritmik ilerlemeye dair tahminler, belirli darboğazlara yönelik analizler ve gelecekteki modellere ilişkin öngörüler de vardı. Anthropic, karartmaları, diğer yapay zekâ geliştiricilerinin ilerlemesini hızlandırabilecek gizli bilgileri koruma amacıyla yaptığını belirtti. METR, metodoloji ve sonuçlar üzerindeki takdir yetkisini korudu ve herhangi bir ödeme kabul etmedi; ancak Anthropic cihazlarında çalıştı ve ücretsiz token’lar kullandı.

Bu değerlendirme, yapay zekâ kaynaklı araştırma hızlanmasına ilişkin kapsamlı bir dış inceleme sunarken, dayanak oluşturan kanıtlara dair şeffaflığı sağlamıyor. Kamuya açık kıyaslama sonuçları ve çalışanların aktardıkları daha hızlı ilerleme olduğu görüşünü destekliyor; ancak sansürlemeler, okurların METR’nin atıf ve darboğazlarla ilgili sonuçlarının temelini bağımsız olarak değerlendirmesini engelliyor. Bu nedenle söz konusu temel bulgular, okurların tümüyle inceleyemediği kanıtların değerlendirici tarafından sentezlenmesine büyük ölçüde dayanıyor.