前OpenAI研究员改口：超级AI研究员最快明年出现
AI研发提速，超级AI研究员时间表大幅提前
时间表又往前挪了。
11月11日，前OpenAI研究员Daniel Kokotajlo在X上转发团队的新预测，丢下一句「我感到恐惧、悲伤和愤怒」。
在他看来，智能爆炸终究会在2027年到来。前提是METR的判断站得住：AI推动的研发提速，比《AI 2027》当初推演的节点提前了约五个月。
一旦AI开始参与研发下一代AI，再激进的预测者也可能低估模型进步的速度。
距离《AI 2027》发布不到三个月，背后的预测团队AI Futures Project已经把超级AI研究员（SAR）的出现时间拨到了明年。
要知道，团队里最乐观的Daniel Kokotajlo此前谈到「2029年前出现超级AI研究员」，给出的概率也只有五成。
11月10日，AI Futures Project公开了新一轮预测（Q3.5）。
几位署名作者看法一致：只要前沿AI研发不出现明显的主动放缓，超级AI研究员很可能在2027年现身。
让他们改判的最重一块砝码，是独立评估机构METR针对Anthropic做的一次调查。
这项调研花了11周，METR查了Anthropic的内部数据，也访谈了员工，最后估算出一个数字：
自2025年10月起，Anthropic内部模型的基准分增速达到此前的1.9倍。
按这个估算，Anthropic的模型在这组测试里一年的涨幅，抵得上过去近两年的增长。
跑分涨速接近翻倍，AI出了多少力？
报告在11月5日由METR发布。
METR用了一个叫AECI的内部指标，来衡量Anthropic的模型进步有多快。
这个指标把多项测试的成绩汇总成一个总分，多数测试目标明确，结果可以核验。
据METR估算，2025年10月起该总分的上涨速度约为之前的1.9倍，95%置信区间为1.5到2.8倍。
2025年10月前后，模型综合得分的年增幅由约15分升到约29分。（图源：METR）
题目难度怎么估，同样会左右结果。
METR换了多种假设重新计算，得出2025年10月之后的涨分速度约为此前的1.1到2.9倍。
不同算法算出的增速并不一致，但方向很清楚：分数涨得更快了。
分数为什么涨得更快？
训练算力、招人、数据、算法，这几项变化METR都查了，结论是算力增速的变化解释不了这次提速。
至于支撑这一判断的具体证据，公开版报告里已经删去。
METR认为，AI究竟贡献了多少，这个比例并非一成不变，会随时间推移而改变。
2025年底提速刚刚开始时，AI之外的其他因素大概率也掺了一脚。
但到2026年10月，METR给出估算：比过去快出来的那部分，约八成可能来自AI。
不过得说清楚，「八成」只是METR自己的估计。报告里用的是「We guess」（我们推测），并且明说这一判断存在很大的不确定性。
示意图展示AI与其他因素对模型提速各自的贡献：橙色区域代表AI带来的额外提速，灰色则指没有细分出来的非AI因素。
那AI到底帮上了什么忙？
一名受访研究员提到，过去有些点子，光是写代码、把实验跑起来，就要耗掉一两天。
有了AI搭把手，他更愿意多试几个方向，看哪条路走得通。
另有受访研究员表示，AI会帮忙写实验代码、盯着实验运行，还能完成一些以往要额外花很多工夫的测量。
还有人干脆一次把十个想法交给智能体，让它去实现和测试。
从写代码到跑实验，AI已经在为研发下一代AI出力。
AI Futures Project的新估计则显示，这种提速或许比《AI 2027》当初推演的来得更早。
AI研发提速，可能比《AI 2027》推演快了5个月
2025年4月发布的《AI 2027》，曾推演AI如何协助开发下一代模型。
按当时的设定，虚拟公司OpenBrain要拿到同样多的算法进展，不用AI得花一周半，用上AI只要一周。
可算法进步只占模型进步的一部分。
一个改进从实验里跑出来，还得进入下一轮训练，才能反映到新模型的能力上。
这一回，AI Futures Project依据METR的估计做了推算：到2026年11月初，单是AI带来的提速，就可能让模型整体进步的速度达到历史水平的1.7倍。
为了弄清这个速度在旧情景里何时才会出现，团队用模型复现了《AI 2027》的大致趋势。
按这个结果，1.7倍速要到2027年4月前后才出现。若11月初的判断站得住，模型提速到1.7倍的时间点，就比原先的设想早了约五个月。
这一结果也超出了团队不到三个月前的预期。
即便按当时最乐观的预测模型来算，AI在2026年11月就把模型整体进步速度推到历史水平的1.7倍或更高，概率也不到4%。
超级AI研究员，要自己决定研究什么
METR的这份报告，也让AI Futures Project把超级AI研究员的时间表往前推了。
按照这份报告的界定，超级AI研究员得先能独立承担一个前沿AI项目的全部编程任务；同时，在挑选研究方向、设计实验、解读结果这些环节上，它还得具备顶尖人类研究团队那样的判断力。
代码写完之后，下一个想法该试哪个？实验没跑通，是接着排查，还是换条路走？这类问题没有现成答案，得靠AI自己拍板。
那这道门槛，AI什么时候能迈过去？同一份报告用了三种算法，得出来的时间相差一年多。
第一种算法先假定AI已把模型进步速度拉到历史水平的1.7倍，再考虑AI此后可能承接更多研发工作。按这个模型推算，中位数为2027年2月，也就是说，超级AI研究员在这一时点之前出现的概率大约是一半。
第二种算法依据模型在测试中的进步速度外推，估算它何时能拥有顶尖研究团队的判断力，算出的中位数落在2027年7月。
第三种算法拿Anthropic员工自报的效率提升来推算，结果推到了2028年年中。
Anthropic删掉了哪些关键证据？
METR在报告开头就提到，他们认为对判断核心结论最有帮助的证据，大部分都被删掉了。
报告还附了一张表，逐项比对Anthropic向METR交出了哪些内部资料、又有哪些结果被写进了公开版。
内部模型的跑分走势对外公开了，算法进步的估算和关键研发投入则没有披露；AI对研发提速的贡献，公开版只给出了部分证据。
按照双方事先的约定，Anthropic可以删去非公开信息，METR则有权指出哪些结论依赖这些材料。
Anthropic的解释是，把这些机密信息公开，可能会帮其他开发者加快AI研发。
删节之后，外界还能核验哪些结论？
AI Futures Project指出，跑分增速约为之前的1.9倍，这一点有公开曲线作支撑。
但「额外提速可能有八成来自AI」这个说法，以及由此推算出的1.7倍，公开证据就少得多。
外界想判断这两个数字靠不靠谱，很大程度上得看METR对内部资料的评估。
11月5日，METR还发布了对Anthropic 8月风险报告的复核。
对用7月中旬的模型自动做研发、直接引发灾难的风险，METR和Anthropic都认为还比较低；双方也倾向于认为，当时的研发提速尚未触及Anthropic设下的预警线。
不过METR认为，Anthropic的公开报告把当时的提速幅度说小了，实际提速有可能已经碰到预警线。
下一步要看的是：AI帮研究员更快写代码、跑实验，能否让下一代模型更早交付；这个更强的模型投入研发后，又能否把再下一轮的研发周期一并压缩。
如果提速能一代代累积下去，超级智能（ASI）或许会比预想中来得更早。
参考资料：
https://blog.aifutures.org/p/q35-timelines-update-looks-like-the
https://metr.org/blog/2026-11-05-anthropic-ai-rd-acceleration-assessment/
https://ai-2027.com/
