METR报告：Anthropic能力进步翻倍，80%增量由AI贡献
AI 帮助研发下一代 AI 的速度，终于有了具体数字。 11 月 5 日，第三方评估机构 METR 发布一份关于 Anthropic 的调查报告表示：这家公司过去一年取得的基准能力进步，大致相当于此前两年的进步。 从 8 月 12 日到 10 月 29 日，这个机构花费了约 11 周时间进入 Anthropic 内部查
AI 帮着研发下一代 AI，这件事如今有了具体数字。
11 月 5 日，第三方评估机构 METR 发布了一份关于 
Anthropic 的调查报告。报告称，这家公司过去一年取得的基准能力进步，大致相当于此前两年的进步。
从 8 月 12 日到 10 月 29 日，METR 花了约 11 周进入 Anthropic 内部，查看模型成绩、训练算力、研发效率等资料，并访谈了研究人员。
分析用的是 Anthropic 版综合能力指标 AECI。数据显示，2025 年 10 月以后，大模型在该指标上的进步速度约为此前的 1.9 倍，95% 置信区间为 1.5—2.8 倍。
从 2025 年 10 月 7 日起，这个分数由约 15 分 / 年升到约 29 分 / 年，一年走完了此前约两年的路，量级大致相当于 
Claude 2.1 到 Sonnet 4.5。Anthropic 自己的风险报告此前曾假设 Mythos Preview 是一次单次跃升，之后会回归原来的趋势，结果新模型出现了，新的斜率仍在延续。
放到全行业看，前沿模型的加速只有 1.4 倍。
更关键的一点是，METR 相当确信这种加速并非来自训练算力规模增长的速度。AI 能力进步的主要原因，是 AI 自己的帮助。
访谈中反复出现的一个现象是：研究人员终于可以试更多想法了。
以前一个实验可能要花一两天来实现，时间和计算成本绕不过去，不少想法还没验证就被搁置。现在研究人员可以把多个想法交给 Agent，看哪些值得继续追。
一位研究人员形容，自己现在的工作主要受限于想法和算力，代码已不再是瓶颈。还有人觉得用了 Claude 之后，仿佛有了博士后和研究生一起推进项目。实验和实现变便宜了，研究人员更愿意尝试，很多原本被认为不值得投入精力的小实验，如今也有机会变成新的研究方向。
METR 的报告还揭开了部分此前外界看不到的内部进展。分析纳入了三个 Anthropic 尚未公开的模型，分别以 Model 2、Model 3、Model 4 代称。它们在今年 7 月至 10 月间完成训练。
眼下最强的是 Model 4（有人猜它是 Claude 6），它在很多常见基准上的分数已经超过 90%。Anthropic 员工 10 月份在内部做了主观估计，投票认为它平均给自己的工作效率带来约 12 倍提升。
这批模型尚未对外发布，将来也未必会做成公开产品。可它们的存在本身就说明一点：光盯着发布会和公开榜单，未必能看清 AI 大厂内部的全貌。2025 年初约为 1 倍，Opus 4.5 约 2.5 倍，Mythos 5 约 5 倍，Model 4 则升到 12 倍，按指数拟合为每年 3.9 倍。
METR 估计，截至今年 10 月，当前 AI 研究加速中约 80% 来自 AI。剩下 20% 的非 AI 因素，细节 Anthropic 不让透露。
那么，AI 已经能独立研发自己的下一代了吗？
距离让 AI 自己研发下一代模型、实现完整的递归自我改进（RSI），现在还有不小的距离。Anthropic 的研究员自己也承认，在模型训练最关键的那部分工作上，AI 还没有做出高度重要且完全自主的贡献，眼下主要的收益依然来自 AI 辅助人类做研发。
不过 Anthropic 研究员已经把 AI 的大量自主贡献描述为「生命迹象」（signs of life），并且有量化分析统计各环节中由 AI 与人类完成的任务占比，但数据被 Anthropic 删掉了。
只要更强的模型能帮研究人员更快地开发出下一代，这个反馈过程就有可能不断自我加强。RSI 这条路能走多远，要看那些还没自动化的环节，也要看算力等资源能不能跟得上。
对近未来的预测，METR 没有看到未来 12 个月会明显阻断快速进步的瓶颈，但也坦言随着信息增加，他们曾多次改变判断，目前信心有限。
另外，虽然 Anthropic 让第三方机构 METR 进入内部调查，但目前给出的 100 页报告经过了他们的大幅删减。最有说服力的证据大多被 Anthropic 自己删掉了。
同一天发布的配套审查，还暴露出双方在风险表述上的分歧。Anthropic 曾把某项领先指标说成进步速度「不到两倍」，METR 依据其内部数据算出约 1.97 倍，认为更准确的说法应该是「约两倍」。两倍加速这件事，牵涉到 Anthropic 的早期预警阈值。
METR 的判断是，不能排除到 7 月 15 日已经跨过相关阈值的可能，不过多数相关研究人员还是倾向于认为当时并未跨过。双方也都同意，当时相关模型带来的直接灾难性风险较低。
模型参与研发的速度越来越快，人们能不能及时看清变化、公司能不能充分披露不确定性，正在成为下一代 AI 到来之前必须回答的问题。
参考内容：
https://metr.org/blog/2026-11-05-anthropic-ai-rd-acceleration-assessment/#executive-summary
https://x.com/METR_Evals/status/2118412183860351084
