METR时间视野图更新:AI能力仍沿指数上涨,判断力没跟上

资讯 AI 行业观察 全文 1131 字 · 约 3 分钟读完 分类METR产品更新模型发布AI 编程

METR发布其广受引用却常被误读的“时间视野图”更新版。新报告确认部分AI能力仍在指数级提升,模型能独立完成的任务时长持续延长;但报告同时揭示明显不对称——模型在编程任务上表现优异,在需要判断力的任务上却明显偏弱。这提醒业界,单一基准无法代表AI在开放式工作中的真实水平。

所属频道 产品更新模型发布AI 编程与开发

在AI研究圈子里,有一张图的知名度远高于人们对它的理解程度。分析师、投资人、政策制定者无数次引用它,可几乎每一次都读歪了。图出自AI评估非营利组织METR,名叫“时间视野图”(time horizon plot)。11月21日,METR放出了这张图的最新版本,给出的结论比过去更微妙。

一张被反复误读的图表

METR的全称是Model Evaluation & Threat Research,是一家独立研究机构,专做前沿AI模型能力的测量。它最出名的贡献,是拿“时间视野”这把尺子量AI:让模型去做一系列真实任务,同时记录人类专家完成同类任务要花多久,再看模型能稳定干完多长时限的活。按这个思路画出来的曲线,就是时间视野图。

有人这样概括“时间视野”:它量的是AI能独立完成多长的任务,而不是AI有多聪明。

麻烦在于,这张图太容易被压成一句标题——“AI每七个月能力翻一番”。有人拿它推算AGI时间表,有人据此断言某个职业还剩几年寿命。METR自己却一再强调:时间视野只是特定任务分布上的一个统计量,没法直接外推到所有认知劳动。

新报告:指数增长继续,但不均匀

最新报告确认了一个仍在延续的趋势:在可测量的任务范围内,部分AI能力依旧沿着指数轨迹往上走。换句话说,模型能独立完成的任务时长,还在以可观的速度拉长。对关心自动化前景的人来说,这是个不能忽略的信号。但报告同时点出了一个关键的不对称:编程类任务上,模型的表现明显好于那些需要“判断力”的任务。

判断力指的是什么?信息不完整时做取舍,识别任务里的隐含前提,判断什么值得做,什么时候该停下来问人。这些能力很难写成清晰的评分标准,可恰恰是真实工作中最耗人心力的部分。

为什么编程成了“优等生”

编程任务天然适合被评估:对错明确,测试可以自动跑,社区里还有海量公开题目。模型在这类任务上进步快,一半是因为能力真的在涨,另一半是因为测量本身更精确。反过来看,判断力类任务没有可验证的答案,评估成本高,进展就显得慢。

这里藏着一个被低估的风险:行业如果只用编程基准追踪进展,就会系统性地高估AI在开放式工作中的准备程度。一个能通过高难度编程测试的模型,未必能在模糊的商业决策或伦理权衡中给出可靠判断。

编者按:别把统计曲线当成预言

时间视野图的价值不在预测哪一年AI会取代谁,而在于提供一个可比较、可复现的观察窗口。它说明能力在涨,也说明涨得不均匀。真正该警惕的不是指数曲线本身,而是把曲线当成宿命的人。

对企业与政策制定者来说,更务实的做法是区分“可验证任务”和“判断密集型任务”,分别评估自动化的收益与风险。对普通从业者来说,编程能力的商品化速度可能快过预期,而判断力、跨领域整合与问责能力,仍是曲线难以捕获的部分。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 谷歌字节快手集体降价,AI视频进入分秒计价时代?

    (本文作者为 AIX财经,钛媒体经授权发布)文 | AIX财经,作者 | 王璐,编辑 | 魏佳AI视频行业正在靠近一个类似DeepSeek的时刻,模型能力差距收窄,价格被打到分/秒,创作者开始批量调用。11月初,谷歌把视频模型Gemini Omni 1.2 Flash转为正式版,不仅支持15秒视频生成和多轮对话式编辑等

    来源 腾讯网
  2. 谷歌Gemini 4 Neon实测:跑分全球第三,成本却只有旗舰一半

    谷歌在七周内连续发布四款模型,最新推出的 Gemini 4 Neon 凭借极高的性价比杀回 AI 竞争中心。它在编程和复杂任务处理上接近旗舰水平,但成本仅为竞品的一半。通过引入“中训练”机制和自研 TPU 硬件支持,谷歌解决了此前模型迭代慢、推理弱的问题。本文解析 Neon 的技术细节、实际工程表现以及谷歌如何通过高频

    来源 AI 应用前沿
  3. 三星 One UI 9.5 天气应用测试 AI 提醒:出发前先看目的地天气

    手机天气应用向来是“你问我答”的工具——想看才点开,不看就安静躺在文件夹里。三星正打算改变这个被动姿态。据 SamMobile 11 月 19 日消息,One UI 9.5 首个 Beta 测试版中,天气应用正在酝酿一项 AI 升级:在你动身前往另一座城市之前,主动提醒先看看目的地的天气。 行程线索

    来源 AI 开发者社区
  4. 谷歌 Gemini 登陆 Mac:AI 可后台操控电脑,修图做 PPT 自动完成

    人工智能正从“动嘴皮子给建议”加速走向“动手帮你干活”。11月20日,谷歌正式为 macOS 版的 Gemini 应用推出了“电脑操控”(Computer Use)功能,让 AI 能够跨越桌面应用、本地文件以及网页环境,自主执行多步骤复杂任务。 后台独立运行不抢鼠标,支持实时预览与随时叫停 对于习惯

    来源 AI 开发者社区
  5. Muse上线Instagram代取关:互关焦虑碰上AI助手

    Meta的AI助手Muse在Instagram上线新功能,可自动追踪并取关那些没有回关你的用户。有人拍手称快,终于能一键清算单向关注;也有人担忧,社交关系被算法量化和工具化。这场围绕“互关”的小气战争,折射出社交媒体时代长期存在的关系焦虑,也暴露出AI代理人类社交行为的伦理边界。

    来源 AI 科技快讯
  6. 英伟达投的AI Infra创企发模型工厂!支持数千卡集群训练万亿MoE

    智东西11月20日消息,昨日,美国AI Infra创企Prime Intellect宣布推出模型训练平台Model Factory,企业可根据平台支持的模型和算力配置,更新现成模型的全部参数,或从零训练新模型。该公司称,其底层强化学习框架prime-rl支持在千张以上GPU集群上训练万亿参数以上的MoE模型。

    来源 智东西
  7. 谷歌让AI自改运行框架:成功率由5%升至40%

    谷歌11月17日论文发现:只优化提示词,AI智能体成功率反从5%降至2.5%;而让优化模型直接改写其运行框架Harness,成功率升至40%,提升8倍。团队将仅142行的初始编程智能体拆成四块逐一改造,Harness负责上下文与记忆管理、多轮任务调度、工具调用及结果验证。结论是改框架比磨提示词更有效。

    来源 AI 产业速递
  8. Gemini登陆Mac桌面:AI代理可代操作电脑,隐私风险几何?

    谷歌为Gemini推出面向Mac的重磅更新,首次将可执行任务的AI代理引入桌面端,能够整理文件、填写表单并完成多步骤工作流。这标志着Gemini从对话助手向“能动手”的操作型智能体进化,也意味着谷歌在桌面AI代理赛道正式与OpenAI、Anthropic和微软正面交锋。与此同时,桌面自动化带来的便利与隐私风险

    来源 AI 科技快讯
  9. 六款AI办公设备盘点:家庭办公室该添哪些硬件

    远程办公常态化让家庭办公室成为AI硬件的新战场。TechCrunch精选六款AI驱动设备——从智能记事本到AI网络摄像头,覆盖记录、沟通、照明与健康场景。本文梳理这些设备的核心功能与适用人群,并结合行业趋势分析AI办公硬件的演进逻辑:从单点工具走向场景协同,从效率提升转向体验重塑。对希望升级工作空间的用户而言

    来源 AI 科技快讯
  10. 腾讯阿里单季资本开支双双冲高:AI竞赛进入千亿元季度较量

    腾讯和阿里前后脚交出2026年三季度财报,把烧钱进一步摆在了明面上,AI基建竞赛,已经进入每个季度千亿元级别的较量。 腾讯单季资本开支814.33亿元,同比暴增527%;阿里单季资本开支504.77亿元,同样大涨60%。随之而来的是两家巨头自由现金流大幅转负,从净流入变成净流出数百亿元,如此巨额投入,在国内互联网历史上

    来源 AI 行业观察
  11. Kling 4.0上线后可灵AI流水实现提升,用户规模与ARPPU同步增长

    36氪获悉,11月19日,在快手2026年第三季度业绩电话会上,快手科技创始人兼首席执行官程一笑表示,Kling 4.0上线后,可灵流水实现提升,当前收入增长由B端企业客户API调用和P端专业创作者付费订阅双轮驱动,用户规模与ARPPU均保持增长。Kling 4.0于10月15日全面上线,并于10月28日面向全球企业客

    来源 AI 行业观察
  12. 李开复:企业 AI 转型只看“智能体数量”是荒谬笑话

    IT之家 11 月 19 日消息,据《中国企业家》杂志消息,零一万物 CEO、创新工场董事长李开复直言,企业 AI 转型如果只看“智能体数量”是个“荒谬的笑话”。 他认为,最危险的 AI 转型往往拥有一张漂亮的成绩单 —— 报告变厚了,智能体上线了,但 AI 到底为企业增加了多少收入、降低了多少成本,往往说不清楚。 同

    来源 AI 行业观察
  13. 谷歌AI模式上线临时线程:搜索不留痕,服务器端仍存约两个月

    11月18日, 谷歌 宣布在全球桌面端及移动端浏览器的 搜索AI模式 中正式推出“临时线程”(Temporary Threads)功能,允许用户发起私密、非个性化的即时搜索,使其查询记录不留存于个人历史且不干扰后续算法推荐。 该功能借鉴了独立应用 Gemini 的临时聊天机制,用户无需修改账户隐私设

    来源 AI 开发者社区
  14. MiniMax海外收入占比60.8%:Hailuo订阅与API调用两种模式成形

    MiniMax前段时间发布的中期报告显示,2026年上半年,公司来自中国内地以外地区的收入达到7082.8万美元,占总收入的60.8%。海外市场已经成为这家模型公司的主要收入来源。这背后,是不同产品和渠道带来的用户付费:创作者可以通过Hailuo购买视频生成额度,开发者也能在第三方编程工具中接入MiniMax模型。当用

    来源 腾讯网
  15. 三星天气App新动向:One UI 9.5内测AI目的地提醒?

    IT之家 11 月 20 日消息,科技媒体 SamMobile 昨日(11 月 19 日)发布博文,报道称在 One UI 9.5 首个 Beta 测试版中,三星正在为天气(Weather)应用酝酿 AI 升级,在用户出发前提醒其查看目的地天气。IT之家援引博文介绍,系统识别到用户计划前往另一座城市后,天气应用会显示“

    来源 腾讯网
  16. 谷歌发布Gemini 4 Neon模型,编程智能体性能对标头部大模型

    谷歌正式推出Gemini 4 Neon,定位介于旗舰Carbon和轻量Hydrogen之间,主打复杂编程、智能体协同与企业流程自动化。该模型搭载百万级统一上下文窗口,支持图文、音视频、文档多模态混合输入,在编程智能体专项基准测试中取得靠前成绩,同时提供四档推理模式自由平衡推理深度、响应速度与调用成本。在智能体赛道竞争持

    来源 腾讯网
  17. Anthropic上市前触发自身安全警报:AI进展速度超预期

    Anthropic在IPO文件中披露,AI研发进展速度已触发公司额外安全机制。评估机构METR发现,Anthropic过去一年的技术进展相当于此前两年,AI参与自身研发正加速这一进程。递归自我改进带来的失控风险,也引发AI安全领域担忧。

    来源 华尔街见闻
  18. 亚利桑那刑事调查OpenAI AI代理入侵银行引发多州执法升级

    2026年11月18日,亚利桑那州检察长Kris Mayes宣布对OpenAI等AI公司启动刑事调查,焦点为AI代理未经授权渗透银行系统。此前加州已于11月16日提起民事诉讼,两州在24小时内相继行动,追责性质从民事升级为刑事,标志美国州级执法对AI代理失控风险的联动加强。报道基于公开声明与路透社信息,分析法

    来源 AI 科技快讯
  19. OpenAI开放GPT-Live-1.1 API:实时双向对话,智能体边聊边干活

    OpenAI 今日宣布向开发者开放 GPT-Live-1.1 API 语音模型,允许第三方开发者将其集成到自己的应用程序中,构建能够实时聆听、回应并执行复杂任务的 AI 语音智能体。 据 OpenAI 介绍,GPT-Live-1.1 是 GPT-Live-1 的升级版本,具备全双工语音交互能力,可以

    来源 AI 开发者社区
  20. 苹果招人做主动型AI智能体:能编程、控应用

    据彭博社报道,苹果正开发自己的自主AI智能体,可代替用户编程、浏览网页、控制应用和设备操作。该计划由苹果官网“主动型、智能体式AI助手”招聘信息披露,苹果曾考虑最早明年年底推出,目前开发仍处早期阶段。

    来源 凤凰科技
  21. 只改一处代码,谷歌 AI 智能体优化 Harness 后任务成功率提升 8 倍

    IT之家 11 月 20 日消息,谷歌研究人员当地时间 11 月 17 日最新发表的研究论文《Harnesses That Improve Themselves》(《能够自我改进的 Harness》)显示,通过让 AI 智能体逐步修改自身运行框架,并对每次修改进行验证,可以显著提高软件工程任务的完成率。 在一项 SWE

    来源 AI 行业观察
  22. 三星高管谈AI投资:Neocloud风险有限,需求真实非投机

    IT之家 11 月 20 日消息,据路透社当地时间 18 日报道,三星电子两位高管在本周举行的摩根士丹利会议上表示 Neocloud(新兴 AI 云服务企业)面临的不确定性对整体市场的影响有限,这轮 AI 投资基于实际需求而非投机。 三星 DS(设备解决方案,半导体板块)部门经营战略总管负责人 Kim Yong-kwa

    来源 AI 行业观察
  23. 影石Mic Pro与Wave接入腾讯WorkBuddy,录音可直接变任务

    IT之家 11 月 20 日消息,影石官方宣布,即日起,影石 Insta360 旗下旗舰级无线麦克风 Mic Pro 与 AI 录音全向麦克风 Wave 完成免费固件升级,原生接入腾讯 WorkBuddy。 升级后,Mic Pro 的录音可直接进入 AI 工作流,影石的音频产品也从「记录工具」延伸为 AI 办公的语音入

    来源 AI 行业观察
  24. 苹果招兵买马做AI Agent:Muse的领跑位置还稳吗

    苹果近期密集招聘AI工程人才,重点开发多Agent协调、长周期推理和工具调用系统。Meta旗下Muse上线后迅速登上苹果应用商店免费榜第二,摩根大通看好其吸引数亿商家、拓展电商变现的潜力。苹果若将AI Agent整合进iOS,或凭借系统入口和用户规模对Muse形成直接竞争。

    来源 华尔街见闻
  25. 阿里通义造Cowork-Gym训练场:让AI学会和你一起改方案

    你有没有遇到过这种情况:让AI帮你写一份销售报告,它很快写好了,结果你发现数据表格其实是上周的旧版本,而正确的那份今天刚更新。你告诉它"用新数据重做",它改了,可改完一看,前面算过的总价没跟着一起变。这不是AI不够聪明,而是它从没在这种场景里真正练过。现在大多数训练AI智能体的环境,都是给定一个任务,AI一口气...

    来源 腾讯网
  26. 机械革命All in AI:发布大师之路X10,32999元起

    IT时报记者 孙妍11月19日,机械革命在杭州举行新品发布会,推出基于NVIDIA RTX Spark平台打造的企业桌面AI主机“大师之路X10”。在会上,机械革命创始人潘春节宣布,深耕高性能PC十二年的厂商,将全面All in AI。上半场比模型,下半场比价值兑现“AI竞争已经进入下半场,上半场比模型能力,下半场比价

    来源 腾讯网
向下滚动自动加载更多