前OpenAI研究员改口：超级AI研究员或2027年出现

我们的时间表提前了！

11月11日，前OpenAI研究员Daniel Kokotajlo在X上转发团队的新预测时说了句，「我感到恐惧、悲伤和愤怒」。

在他看来，智能爆炸到头来恐怕还是会在2027年发生：要是METR的判断站得住，AI参与研发带来的提速，比《AI 2027》当初推演的快了大约五个月。

一旦AI开始帮人研发下一代AI，再激进的预测者也可能把模型进步的速度看低了。

前后不到三个月，提出《AI 2027》的预测团队AI Futures Project，就把超级AI研究员（SAR）现身的时间表挪到了明年。

在这之前，团队里最乐观的Daniel Kokotajlo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研发没有明显主动放慢，超级AI研究员很可能2027年就会来。

让他们改判的最主要依据，来自独立评估机构METR对Anthropic做的一次调查。

围绕Anthropic，METR用了11周，翻内部数据，也找员工访谈，最后估出一个数：

2025年10月起，Anthropic内部模型的基准分涨速，是此前的1.9倍。

按这个估算，在这组测试上，Anthropic的模型一年涨的分数，抵得上过去将近两年的增长。

跑分增速接近翻倍，AI帮了多少忙？

11月5日，这份报告由METR发布。

想知道Anthropic的模型进步有多快，METR用的是一个内部指标，叫AECI。

它把好几项测试的成绩汇总成一个总分，这些测试大多目标清楚，结果也查得实。

METR估出来，从2025年10月起，这个总分的上涨速度差不多是原来的1.9倍，95%置信区间在1.5到2.8倍之间。

2025年10月前后，模型综合得分的年增幅从约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换了多种假设重新算，得出2025年10月之后的涨分速度约为之前的1.1到2.9倍。

几种算法算出的增速并不一样，可趋势摆在那儿：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都看了，结论是训练算力增速的变化解释不了这次提速。

至于支撑这个判断的具体证据，公开版报告里已经删掉了。

METR的判断是，AI贡献的比例本身就在变。2025年底那阵子刚开始加速，AI以外的因素大概率也掺了一脚。

但放到2026年10月这个时点，METR给出的估计是，比过去多出来的那截速度里，约八成来自AI。

不过得说清楚，这个「八成」是METR自己估的。报告里写的是「We guess」（我们推测），也点明这一判断的不确定性相当大。

AI和其他因素各自对模型提速的贡献，可见示意图：橙色是AI多带来的提速，灰色则是没有细分的非AI因素。

AI具体搭了哪些手？

一位受访研究员举了个例子：过去有些点子，光是把代码写出来、把实验跑通，就要耗掉一两天。

现在有AI搭手，他更愿意多铺开几个方向，试试哪条路走得通。

还有人提到，AI能代写实验代码、盯着实验跑，顺带完成一些以前要额外费很大劲才能做的测量。

更有甚者，一次把十个想法丢给智能体，让它去实现、去测。

写代码、跑实验，AI已经介入到下一代AI的研发环节里。

AI Futures Project的新估算则显示，这种提速的到来，可能比《AI 2027》当初推演的更早。

AI研发提速，可能比《AI 2027》推演快了5个月

《AI 2027》在2025年4月发布，其中就推演过AI如何参与下一代模型的开发。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得一周半，用上AI一周就够。

问题是，算法进步只占模型进步的一部分。

一项改进从实验里跑出来，还要喂进下一轮训练，才能落到新模型的能力上。

这一回，AI Futures Project拿METR的估计做了推算：到2026年11月初，单是AI带来的那部分提速，就可能把模型整体进步的速度顶到历史水平的1.7倍。

为了看清这个速度在旧情景里何时才会冒头，团队用模型把《AI 2027》的大致趋势复现了一遍。结果，同样的1.7倍速，旧情景要到2027年4月左右才到。若11月初的估计站得住，模型进步速度摸到1.7倍的时间，就比旧情景早了大约五个月。

这一结果也超出了团队不到三个月前的预期。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这份报告，还让AI Futures Project把超级AI研究员的时间表往前挪了。

在他们看来，所谓超级AI研究员，得先把一个前沿AI项目的编程活儿全揽下来；挑研究方向、设计实验、读懂结果这些环节，它也得拿出顶尖人类研究团队那样的判断力。

代码交付之后，下一个该试的想法是哪个？实验砸了，是接着排查还是调头换路？这类问题没有标准答案，得靠AI自己拍板。

那这道坎，AI什么时候能迈过去？

同一份报告里，三种算法给出的时间点相差一年多。

第一种先把AI对模型进步的推动设定为历史速度的1.7倍，再考虑AI未来可能承担更多研发任务。

这套模型算出的中位预测是2027年2月，也就是说，超级AI研究员在该时点前出现的概率大约五成。

第二种顺着模型在测试中的提升速度外推，判断它何时能达到顶尖研究团队的水准，中位数落在2027年7月。

第三种依据Anthropic员工自报的效率提升来推算，答案推到了2028年年中。

Anthropic删掉了哪些关键证据？

METR在报告开头就写明，他们判断核心结论最需要的证据，大部分被删掉了。

报告还附了一张对照表，逐项列出Anthropic向METR交了哪些内部材料，以及哪些结果进入了公开版。

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，公开版只给了部分证据。

双方事先有约定：Anthropic可以删掉非公开信息，METR有权指明哪些结论建立在被删材料之上。

Anthropic的解释是，这些机密一旦公开，可能帮其他开发者加快AI研发。

删减过后，外界还能核实哪些结论？

AI Futures Project表示，跑分增速约为之前的1.9倍，这一点有公开曲线作证。

但「额外提速可能有八成来自AI」以及由此推出的1.7倍，公开证据就薄得多了。

外界要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又发布了对Anthropic 8月风险报告的复核。

METR与Anthropic都判断，用7月中旬的模型自动做研发，直接酿成灾难的风险仍偏低；双方也都倾向于认为，当时的研发提速尚未触及Anthropic设下的预警线。

但METR指出，Anthropic的公开报告压低了当时的提速幅度，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，能否让下一代模型提前交付；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压短。

如果提速能一代代叠加，超级智能（ASI）或许会比预期来得更早。

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/