Anthropic神秘Model 4曝光：AECI达178.6，进化速度翻倍

Anthropic一直没公开的那款神秘「Model 4」，被曝光了。按照9到10月的训练时间推算，它已经秘密练完，内部综合能力指数（AECI）冲到178.6，分数高到眼下这批考卷快要装不下它。

第三方评测机构METR今天公布了一项调查结果。团队连续干了11周，翻查Anthropic内部的敏感数据，最终只落下一个判断——

Anthropic模型的进化节奏已经压不住了，速度直接翻了一倍。

报告里最扎眼的是几组数字。到10月为止，Anthropic在明确任务上的能力提升速度，已经达到2024年3月到2025年10月那段时间的2倍。

拐点出现在2025年10月。打那之后，内部能力指数AECI的增速抬到此前水平的1.9倍，一年走完过去两年的路。

更让人吃惊的是，这轮提速里80%的推力来自AI自己。Claude正在亲手造出更强的Claude。

METR研究员Ryan Greenblatt说得很直接：「这份报告就是通向一两年内实现ASI的重磅信号」。

按这个节奏推下去，「AI 2027」剧本里写的ASI，短短4个月后就会到来。

神秘的Model 4忽然现身

15张考卷全部刷过50%

报告最吸引眼球的，是一串Anthropic从未公开过的代号。在附录里，METR列出了四款内部未公开的模型。

分别是2022年练完的「Unreleased 2022」、2026年7月练完的Model 2、8到9月练完的Model 3，以及9到10月刚出炉的Model 4。

真正让全网炸开的，就是上个月刚训完的这款Model 4。它的AECI拿到178.6分，把公开模型Opus 5.5（174.5分）和Mythos 5.1（172.5分）甩在后面。

AECI相当于大模型的「高考总分」，把各科基准测试的卷面成绩折算成一个综合段位分。

单科成绩也值得一看：Model 4参加的15项基准测试，每项正确率都超过50%。9个月前，Opus 4.6还有好几项基准没过半。不过，这还不是Model 4的真实上限。

METR团队还在报告里做了一次「除虫测试」，发现15个测试基准中有3个存在长尾过难或题目损坏的凹陷现象。把这3个干扰基准剔除后重新计算，Model 4的AECI还会再涨1.1分，达到179.7分。

连Token消耗量这一项，Anthropic内部测试也没能把Model 4的潜力挖到头。跑一次常规基准测试，一个任务平均要吃掉250万输入Token，输出7万多Token。

Agent写代码时更夸张，单个任务输入Token直接拉满1000万，输出也达到9.4万Token。

让METR评测人员头疼的是，手里这套考卷已经快摸不到Model 4的天花板了。

Anthropic在IPO前又更新了S-1招股书，特意加了一条风险提示，原因也在这里。

内部估算显示，以后的模型很快会碰到「AI显著加速研发」的门槛，1年就能做完过去2年的活。

Model 4本身就是最直接的例子。图里那个Model 3，网友猜就是传闻中的Mythos 5.5。

80%的加速来自AI自己

Model 4能拿到这么高的分，靠的是模型进化速度明显提上来了。

拐点出现在2025年10月7日。

在这条线之前，Anthropic模型的AECI得分一年大概涨15分。

2025年10月之后，曲线直接向上急拐，变成一年涨29分，增速是过去的1.9倍（95%置信区间1.5倍到2.8倍）。

今年8月的风险报告里，Anthropic提出过一种温和解释：这可能只是新工具和新评测方法带来的一次性「台阶式跳跃」。

METR为此做了一组严格的盲测对比。

研究人员先用Mythos 5及更早模型的数据画出两条预测线，再对后来出炉的Model 2、Model 3、Opus 5.5和Model 4做盲测。

结论很清楚。81%的统计抽样中，「长期持续提速」的预测误差只有1.9分，比「一次性跳涨」贴合得多，后者的误差有3.9分。

2倍加速度意味着，过去短短1年，Anthropic走完了原本要2年才走完的技术路程。

换成指数增长的算法，原本一年翻3倍的指标，在2倍加速度下会变成一年翻9倍（3^2）。

这股推力到底从哪来？METR把算力、算法和人员投入拆开，算了一笔总账。

「靠猛堆训练算力换提速」这条路被METR明确排除，因为2025年10月以后，训练算力的增长率反倒比之前更低。

真正的推手在研发端。

METR估算，眼下约2倍的研发加速里，大约80%来自AI自己辅助研发，剩下的小部分才是研究员人数增加和推理算力扩容。

内部员工提速12倍

10个点子同时丢给Agent

外部至今没人能亲手试到Model 4，Anthropic自家研究员的日常体验于是成了唯一能看的样本。METR在报告里晒出一张趋势图，数据来自Anthropic的内部非正式调查和Slack全员投票。

2025年春天，大家用的还是3.7 Sonnet和Opus 4，员工自报的效率提升只有1.3倍到1.4倍；到今年6月的Mythos 5，这个数字跳到了5倍左右。

今年10月换到Model 4之后，员工自报的研发提速已经冲到约12倍。按指数拟合来算，相当于每年涨3.9倍。

这12倍到底从哪来？METR在9月底找11位Anthropic一线技术研究员做了深度访谈。受访研究员J把工作流的演变分成三个阶段。

最早只是把Claude当自动补全用，随手写些一次性小脚本；后来变成人守在单个Claude实例旁边，盯着它开发完整功能。

现在进入第三阶段，内部搞起了「全面Claude化」，研究员同时指挥一大群Agent并行跑实验。受访研究员C、D和E透露，公司今年专门设了内部悬赏，鼓励大家把平时不敢碰的疯狂点子统统交给AI Agent去跑。

结果就是10个研究点子被同时丢进内部Agent系统，看哪个先跑出结果。

受访研究员A说，手写代码做实验本来很费时间，有了Claude帮忙，从冒出想法到跑通实验的耗时少了80%。他的原话是：

「我现在只卡在点子和算力上，再也不会卡在写代码上了。」

受访研究员B估摸自己整体快了3倍，感觉像手下忽然多出几个随叫随到的博士后和研究生。

AI还没能完全独自接手最核心的模型训练设计，不过多位受访研究员向METR证实，AI自主贡献核心训练这件事已经冒出明显的「生命迹象」。

自进化找不到刹车

整份评估里最有冲突感的部分，藏在没公开的那些页面里。METR在官方帖中说得很直接：他们交给Anthropic约100页的完整报告，可公开版里大部分信息量最大的核心证据被删掉了。

公开版报告里，敏感位置满是「［REDACTED］」涂黑标记。有一张表原本用来预测Anthropic未来几个月新模型的能力得分，结果连表格带整段分析被整块涂黑。

METR的判断是，未来12个月内，算法、算力、数据三方面都看不到能让这台加速机器停下来的明显瓶颈。

更强的Claude替研究员省下80%的实验时间，而这些省下来的时间，转头就被拿去孵化178.6分的Model 4。

可眼下这套人类出的卷子，它快要刷穿了。

瓶颈没见着，刹车也没找到。速度呢，还在成倍往上蹿。

参考资料：

https://x.com/METR_Evals/status/2118412183860351084

https://x.com/deredleritt3r/status/2118422855549358552