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

新智元报道

Anthropic一直没有对外公布的那款「Model 4」，这回露出了真容。它在9到10月间秘密完成训练，内部综合能力指数（AECI）冲到178.6，分数高得离谱，现有的评测卷子眼看就要兜不住它了。

第三方评测机构METR今天公布了一项调查结果。这项调查连续做了11周，挖的是Anthropic内部的敏感数据，最终只落下一个结论：Anthropic模型的进化速度已经压不住了，直接翻了一倍。

报告里最扎眼的，是这么几组数字。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。

转折点出现在2025年10月。打那之后，内部能力指数AECI的增长速度变成此前的1.9倍，一年走完了过去两年的路。

更让人吃惊的是，这轮狂飙里有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」。

按这个速度推下去，「AI 2027」剧本里写的ASI，短短4个月后就要成真了。

神秘Model 4突然现身

15张考卷刷爆50%

报告最吸引眼球的，是一串Anthropic从未公开过的神秘代号。在附录里，METR列出了四款内部未公开的模型：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，还有9到10月刚出炉的Model 4。

真正让全网沸腾的，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）都甩在了后面。

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。

单科成绩也摆在那里：Model 4参加的15项基准测试，每一项正确率都超过50%。而在9个月前，Opus 4.6还有好几项基准没能过半。

不过这还不是Model 4的真实上限。METR团队在报告里还做了一次「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问题。

把这3个干扰基准剔掉重新算，Model 4的AECI得分还能再涨1.1分，达到179.7分。

在Token消耗上，Anthropic的内部测试同样没有把Model 4的潜力完全释放出来。

一次常规基准测试跑下来，单个任务平均要消耗250万输入Token，输出超过7万Token。

换成Agent写代码，一个任务就要吃掉整整1000万输入Token，输出也涨到9.4万Token。

让METR评测人员头疼的是另一个问题：现有考卷已经快摸不到Model 4的上限了。

Anthropic在IPO前又一次更新S-1招股书，专门加了一条风险提示，原因也就在这儿。

按内部估算，接下来的模型用不了多久就会碰到「AI显著加速研发」这条阈值，1年干完过去2年的活。

Model 4本身就是最直接的例证。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肉眼可见地变快。

拐点出现在2025年10月7日，这是一个历史性的节点。

在这条线之前，Anthropic模型的AECI得分一年大概涨15分。

2025年10月起，曲线直接向上猛拐，年涨幅变成29分，相当于过去的1.9倍，95%置信区间落在1.5倍到2.8倍之间。

今年8月的风险报告里，Anthropic提过一种温和解释：这也许只是新工具、新评测方法带来的一次性「台阶式跳跃」。

METR为此设计了一组严格的盲测对比。

研究团队先用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。

结果很干净。81%的统计抽样中，「长期持续提速」这条线的误差只有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，Anthropic只用过去1年就走完了原本要2年的技术路程。

放到指数增长里看更直观：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、人员投入分开，算了一笔总账。

「猛堆训练算力换速度」这条路被METR明确排除，2025年10月之后训练算力的增长率反而比之前更慢。

真正起作用的推手在研发端。

按METR的估算，眼下约2倍的研发加速里，大约80%来自AI自己辅助研发，剩下那一小部分才来自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

外部没人能亲手测Model 4，Anthropic研究员自己的日常实测，眼下成了唯一的观察窗口。METR在报告里放出了一张趋势图，数据来自Anthropic的内部非正式调查和Slack全员投票。

2025年春天，员工用的还是3.7 Sonnet和Opus 4，自报效率提升在1.3倍到1.4倍之间。到今年6月的Mythos 5，这个数字跳到了5倍左右。

今年10月换上Model 4之后，员工自报的研发提速已接近12倍；按指数拟合，相当于每年涨3.9倍。

12倍到底怎么来的？METR在9月底找了11位Anthropic一线技术研究员做深度访谈。

研究员J把工作流的变化分成三段。最早只是把Claude当自动补全用，顺手写点一次性小脚本；后来人守在单个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。

研究员C、D和E提到，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交给AI Agent去跑。有人直接把10个研究点子一起丢给内部Agent系统，看哪个能出结果。

研究员A说，以前手写代码做实验很费时间，有了Claude帮忙，从冒出想法到跑通实验缩短了80%。用他的原话说：「我现在只卡在点子和算力上，再也不会卡在写代码上了。」

研究员B估的自己整体快了3倍，感觉像手底下忽然多了几个随叫随到的博士后和研究生。

最核心的模型训练设计，AI还没能完全独自接手。不过多位受访研究员向METR确认，AI自主贡献核心训练已经出现明显的「生命迹象」。

自进化找不到刹车

整份评估里冲突感最强的一幕，藏在没公开的那些页面里。METR在官方帖中直说，他们交给Anthropic的完整报告约100页，但公开版把大部分信息量最大的核心证据删掉了。翻公开版能看到，敏感位置到处是「［REDACTED］」的涂黑标记。

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、数据三方面都没看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%实验时间，而这些省下来的时间，马上又被投去孵化178.6分的Model 4。

眼下人类手里的那些考卷，它已经快做完了。

瓶颈没见着，刹车也没找到。可速度还在往上翻。