METR估计：Anthropic模型能力的增长速度近乎翻倍

METR于2026年11月5日发布了一项独立评估，认为Anthropic很可能正以此前约两倍的速度提升模型在定义明确的任务上的能力，而人工智能的使用很可能是当前加速增长的主要原因。评估结论存在相当大的不确定性，且经过删节的内容掩盖了许多支撑结论的证据。

基准测试证据显示增长趋势更加陡峭

METR使用Anthropic基准能力指数（AECI）进行估算，认为自2025年10月以来，基准测试得分的增长速度提高了1.9倍，95%的置信区间为1.5至2.8倍。这一速度意味着，以此前的速度计算，一年取得的进展相当于过去约两年的进展。更全面的判断是将2026年10月的增长速度与2024年3月至2025年10月期间观测到的速度进行比较。

这项计算纳入了仅供内部使用的模型，并以大多数Anthropic员工能够使用模型的时间为基准，为已发布和未发布的系统建立了统一的比较基础。稳健性检验显示，在采用其他建模方式时，加速幅度估计介于1.1倍至2.9倍之间，表明估算结果对基准测试难度的表示方式及其他分析假设较为敏感。

人工智能在提速中的作用证据

现有证据使METR确信，训练计算量增长加快并非此次提速的原因，但相关支撑细节已被删去。非人工智能因素很可能在2025年末发挥了很大作用，但目前最合理的判断是，这些因素无法解释持续的提速。

员工方面的证据也指向相同结论，但并不一致。研究人员访谈对加速幅度的估计差异很大，整体约为两倍。非正式调查显示，员工自报的最强内部模型带来的平均效率提升，在2026年10月约为12倍；METR提醒说，受访者作答几乎不费力，这些回答可能无法代表全体员工，而且个人生产力的提升并不等同于组织整体能力的增长。

当前的影响主要来自人工智能对研究人员的辅助。人工智能目前还无法在最重要的训练工作中做出高度重要且完全自主的贡献，不过研究人员提到，有迹象表明这类贡献可能很快出现，而且不同领域的成熟程度各不相同。

瓶颈与测量仍存在不确定性

没有令人信服的证据表明，算法进步、训练计算量、实验计算量或数据会在未来12个月内构成重大瓶颈。随着新信息陆续出现，评审人员对这一问题的解读几经变化，因此对这项评估并无把握。尽管如此，METR仍认为，缺乏明确限制或显著的边际收益递减，意味着能力进一步提升并累积为更快加速的风险不容忽视；这是对未来风险的判断，并非已观测到的结果。

AECI侧重于定义明确且易于评分的任务，因此基准测试得分增长加快，未必会带来相应程度的现实影响。METR表示，过拟合、非人工智能因素的贡献，或历史基线异常偏低，都可能导致其估算偏高；而未能捕捉到近期的加速、消除人类瓶颈的速度快于预期，或基准测试得分低估现实影响，则可能导致估算偏低。Model 4在用于评估它的全部15项基准测试中得分均超过50%，这也带来了另一项担忧：基准测试趋于饱和可能妨碍未来的测量。

访问范围广泛，但公开证据有限

METR为这项为期11周的评估投入了2.5个全职当量，评估时间为2026年8月12日至2026年10月29日。团队审查了内部基准测试结果、预训练和强化学习指标、训练计算量测量数据、人工智能提速分析及内部文件，并采访了约15名关键员工。团队并未获得不受中介限制的类似员工的访问权限，也没有抽样测试非公开模型。

Anthropic可以批准或拒绝信息请求，并单方面删去非公开材料。其删改从公开报告中移除了METR认为最具参考价值的大部分证据，包括对人工智能作用的详细归因、算法进展估算、具体的瓶颈分析，以及对未来模型的预测。Anthropic称，删改是为了保护机密信息，因为这些信息可能加快其他人工智能开发者的进展。METR保留了对方法和结论的决定权，且未收取任何报酬，不过，它使用了Anthropic的设备和免费令牌。

这项评估对人工智能驱动的研究提速进行了广泛的外部审视，但并未公开底层证据。公开的基准测试结果和员工陈述支持进展正在加快这一结论，但删节使读者无法独立评估METR归因分析和瓶颈结论所依据的大部分证据。因此，这些核心发现很大程度上依赖评估方对证据的综合判断，而读者无法全面审查这些证据。