METR 评估：Anthropic 模型进步提速约两倍，约八成归因于 AI 研发

发生了什么

评估在 Anthropic 公司内部进行，2026 年 8 月 12 日至 10 月 29 日历时 11 周，约 2.5 名全职 METR 人员参与，使用 Anthropic 设备，查阅预训练、强化学习、训练算力、内部基准与增速分析等数据，并访谈约 15 名员工；METR 未收取费用，Anthropic 提供笔记本电脑与免费 token。评估与 Anthropic 10 月 15 日宣布的独立评估项目是两回事。

衡量指标是 AECI，即 Anthropic 版 Epoch 能力指数：自 2025 年 10 月以来，该指数增速为此前的 1.9 倍，95% 置信区间为 1.5 至 2.8 倍，相当于一年走完过去约两年的路，大致是从 Claude 2.1 到 Sonnet 4.5 的跨度；稳健性检验下加速倍数落在 1.1 至 2.9 倍之间。METR 称，加速并非来自训练算力增速加快，员工访谈与问卷也与 AI 使用推动能力进步翻倍的判断一致；归因上，METR 主观估计当前加速中约八成来自 AI，2025 年底的加速可能更多来自非 AI 因素。

报告的另一半是涂黑：Anthropic 有权涂黑任何非公开信息，METR 称其涂黑了最具信息量的大部分证据，约 100 页完整报告未公开，公众只能更多地依赖 METR 的判断。METR 同步审查了 Anthropic 2026 年 8 月风险报告的自动化研发章节，认同截至 7 月 15 日模型风险较低，但称 Anthropic 未越过 2 倍加速预警线的说法建立在可商榷的判断上，越线存在可能；报告未发现未来 12 个月会阻断加速的明显瓶颈，但 AI 尚不能对模型训练最关键环节作出高度重要且完全自主的贡献。

关键事实

1. 发布方与时间：METR（Model Evaluation and Threat Research），2026 年 11 月 5 日；独立评估报告《Independent Assessment of AI R&D Acceleration at Anthropic in October 2026》
2. 评估方式：2026 年 8 月 12 日至 10 月 29 日，11 周高权限评估；约 2.5 名全职人员，约 15 次员工访谈；未收取费用
3. 核心结论：Anthropic 模型能力在定义明确的任务上的进步速度，约为 2024 年 3 月至 2025 年 10 月期间的两倍；不确定性高，真实值可能接近 1.3 倍或 3 倍
4. 衡量指标：AECI（Anthropic 版 Epoch 能力指数）自 2025 年 10 月以来增速为此前 1.9 倍，95% 置信区间 1.5 至 2.8 倍；一年走完过去约两年的路，大致是从 Claude 2.1 到 Sonnet 4.5 的跨度
5. 归因：METR 主观估计，当前加速中约八成归因于 AI 参与研发；2025 年底的加速可能更多来自非 AI 因素；不确定性高
6. 排除算力：METR 确信加速并非来自训练算力增速加快；稳健性检验下加速倍数在 1.1 至 2.9 倍之间
7. 未发布模型：评估计入 2026 年 7 月以来训练的 3 个未发布模型；Claude Haiku 5.5 系统卡报告为 1.7 倍
8. 涂黑：Anthropic 有权涂黑任何非公开信息，涂黑了 METR 认为最具信息量的大部分证据；约 100 页完整报告未公开
9. 配套审查：METR 同步审查 Anthropic 2026 年 8 月风险报告的自动化研发章节，认同截至 7 月 15 日模型风险较低，但称 Anthropic 未越过 2 倍加速预警线的说法建立在可商榷的判断上，越线存在可能
10. 瓶颈与限度：未发现未来 12 个月会阻断加速的明显瓶颈；AI 尚不能对模型训练最关键环节作出高度重要且完全自主的贡献，研究人员称已有萌芽迹象