METR ước tính tốc độ cải thiện năng lực mô hình của Anthropic gần như tăng gấp đôi

Ngày 5 tháng 11 năm 2026, METR đã công bố một đánh giá độc lập, nhận định rằng nhiều khả năng Anthropic đang cải thiện năng lực mô hình trên các tác vụ được xác định rõ với tốc độ cao hơn khoảng gấp đôi so với trước đây, và việc sử dụng AI có lẽ là nguyên nhân của phần lớn mức gia tốc hiện nay. Các kết luận này còn nhiều bất định, đồng thời những phần bị lược bỏ che khuất phần lớn bằng chứng hỗ trợ.

Bằng chứng từ các chuẩn đánh giá cho thấy xu hướng tăng nhanh hơn

Dựa trên AECI, chỉ số năng lực chuẩn đánh giá của Anthropic, METR ước tính điểm chuẩn đánh giá đã tăng nhanh hơn 1,9 lần kể từ tháng 10 năm 2025, với khoảng tin cậy 95% từ 1,5 đến 2,8 lần. Tốc độ này tương đương với khoảng hai năm tiến bộ theo nhịp độ trước đó chỉ trong một năm. Nhận định tổng quát hơn so sánh tốc độ vào tháng 10 năm 2026 với tốc độ ghi nhận từ tháng 3 năm 2024 đến tháng 10 năm 2025.

Phép tính bao gồm cả các mô hình chỉ dùng nội bộ và xác định thời điểm của mỗi bản chụp theo lúc phần lớn nhân viên Anthropic có thể sử dụng mô hình đó, tạo cơ sở chung để so sánh các hệ thống đã phát hành và chưa phát hành. Các kiểm tra độ vững của METR cho ra những ước tính gia tốc từ 1,1 đến 2,9 lần khi áp dụng các lựa chọn mô hình hóa khác nhau, cho thấy kết quả nhạy ra sao với cách thể hiện độ khó của chuẩn đánh giá và các giả định phân tích khác.

Bằng chứng về vai trò của AI trong việc tăng tốc

Bằng chứng thuyết phục METR rằng tốc độ tăng nhanh hơn của năng lực tính toán dùng cho huấn luyện không gây ra mức gia tốc này, dù các chi tiết hỗ trợ đã bị lược bỏ. Những yếu tố phi AI có lẽ đóng vai trò lớn vào cuối năm 2025, nhưng nhận định tốt nhất hiện nay là chúng không giải thích được tình trạng tăng tốc kéo dài.

Bằng chứng từ nhân viên cũng chỉ về cùng một hướng, nhưng không đồng nhất. Kết quả phỏng vấn các nhà nghiên cứu dao động đáng kể quanh mức gia tốc xấp xỉ gấp đôi. Các cuộc thăm dò không chính thức cho thấy mức tăng năng suất trung bình do nhân viên tự báo cáo khi dùng mô hình nội bộ có năng lực cao nhất vào khoảng 12 lần trong tháng 10 năm 2026; METR lưu ý rằng việc trả lời đòi hỏi rất ít công sức, người tham gia có thể không đại diện cho toàn thể nhân viên, và mức tăng năng suất của từng cá nhân không đồng nghĩa trực tiếp với mức tăng năng lực trên toàn tổ chức.

Tác động hiện nay chủ yếu đến từ việc AI hỗ trợ các nhà nghiên cứu. AI vẫn chưa thể tự chủ hoàn toàn đóng góp ở mức độ đáng kể vào những công việc huấn luyện quan trọng nhất, dù các nhà nghiên cứu cho biết đã có dấu hiệu cho thấy những đóng góp như vậy có thể sớm xuất hiện; mức độ trưởng thành khác nhau giữa các lĩnh vực.

Các nút thắt và việc đo lường vẫn còn nhiều bất định

Không có bằng chứng thuyết phục nào cho thấy tiến bộ thuật toán, năng lực tính toán dùng cho huấn luyện, năng lực tính toán dùng cho thí nghiệm hoặc dữ liệu sẽ tạo ra những nút thắt đáng kể trong khoảng thời gian 12 tháng. Cách diễn giải của nhóm đánh giá đã thay đổi vài lần khi có thông tin mới, khiến họ không tự tin với nhận định đó. Tuy vậy, METR đánh giá rằng việc chưa có những giới hạn rõ ràng hay lợi ích biên giảm mạnh tạo ra rủi ro đáng kể: các bước tiến năng lực tiếp theo có thể cộng dồn, dẫn đến mức gia tốc còn nhanh hơn nữa. Đây là đánh giá về rủi ro trong tương lai, không phải kết quả đã được quan sát.

AECI tập trung vào các tác vụ được xác định rõ và dễ chấm điểm, vì vậy mức tăng nhanh hơn trên các chuẩn đánh giá có thể không chuyển thành tác động tương đương trong thực tế. METR cho biết hiện tượng quá khớp, các yếu tố đóng góp không liên quan đến AI hoặc mức cơ sở lịch sử yếu bất thường có thể khiến ước tính của họ quá cao; ngược lại, việc bỏ sót gia tốc gần đây, các nút thắt do con người được tháo gỡ nhanh hơn dự kiến hoặc điểm chuẩn đánh giá đánh giá thấp tác động thực tế có thể khiến ước tính quá thấp. Điểm của Model 4 vượt 50% ở cả 15 chuẩn đánh giá được dùng cho mô hình này cũng làm dấy lên một mối lo ngại riêng: tình trạng bão hòa có thể cản trở việc đo lường trong tương lai.

Tiếp cận rộng nhưng bằng chứng công khai hạn chế

METR bố trí 2,5 nhân sự toàn thời gian tương đương cho đợt đánh giá kéo dài 11 tuần, từ ngày 12 tháng 8 năm 2026 đến ngày 29 tháng 10 năm 2026. Nhóm đã xem xét kết quả chuẩn đánh giá nội bộ, các chỉ số tiền huấn luyện và học tăng cường, các phép đo năng lực tính toán dùng cho huấn luyện, phân tích về mức tăng tốc nhờ AI và tài liệu nội bộ; đồng thời dựa trên khoảng 15 cuộc phỏng vấn với các nhân viên chủ chốt. Nhóm không được tiếp cận trực tiếp như một nhân viên và cũng không được dùng thử các mô hình phi công khai.

Anthropic có thể chấp thuận hoặc từ chối các yêu cầu cung cấp thông tin, đồng thời đơn phương lược bỏ tài liệu phi công khai. Những phần bị lược bỏ đã khiến phần lớn bằng chứng mà METR xem là giàu thông tin nhất không xuất hiện trong báo cáo công khai, bao gồm phân tích chi tiết về mức độ đóng góp của AI, ước tính tiến bộ thuật toán, phân tích cụ thể về các nút thắt và dự báo cho những mô hình tương lai. Anthropic cho biết việc lược bỏ nhằm bảo vệ thông tin mật có thể giúp các nhà phát triển AI khác tăng tốc. METR vẫn giữ quyền quyết định phương pháp luận và kết luận, đồng thời không nhận tiền thù lao, dù nhóm làm việc trên thiết bị của Anthropic và sử dụng token miễn phí.

Đánh giá này đưa ra một cuộc xem xét từ bên ngoài trên diện rộng về việc AI thúc đẩy nghiên cứu tăng tốc ra sao, nhưng chưa minh bạch về bằng chứng nền tảng. Kết quả chuẩn đánh giá công khai và lời kể của nhân viên ủng hộ nhận định rằng tiến bộ đang nhanh hơn, nhưng các phần bị lược bỏ khiến độc giả không thể tự đánh giá độc lập phần lớn cơ sở cho những kết luận của METR về mức độ đóng góp của AI và các nút thắt. Vì vậy, những phát hiện cốt lõi này phụ thuộc nhiều vào tổng hợp bằng chứng của đơn vị đánh giá, trong khi độc giả không thể kiểm tra đầy đủ các bằng chứng đó.