第三方评估确认:AI自身进化速度已达过去的两倍

11月5日,AI安全评估机构METR发布了一份针对Anthropic的独立评估报告。核心结论可以用一句话概括:截至2026年10月,Anthropic模型在“定义明确的任务”上的能力提升速度,大约是2024年3月至2025年10月期间历史速率的2倍。用METR报告中的具体数字来说,是1.9倍,95%置信区间为1.5至2.8倍。

“AI是否在加速自身的研发”这个问题,过去两年在行业讨论中反复出现,但多数时候停留在推测和轶事层面。METR这份报告的价值,不在于它给出了一个令人安心的否定答案或令人恐慌的肯定答案,而在于它把一个模糊的问题拆成了可以被测量的子项,并给出了带置信区间的估计。即便区间很宽——METR自己说,真实加速可能接近1.3倍,也可能接近3倍——它仍然比“感觉变快了”要具体得多。

11周的内部访问,和一条从15跳到29的斜率

评估的时间跨度为2026年8月12日至10月29日,约11周。Anthropic向METR开放了“前所未有的内部数据访问”,包括预训练、强化学习、各领域的训练算力、内部模型基准分数、AI加速分析、对未来模型指标的预测,以及与相关员工的访谈。

用来衡量能力进步的核心指标是AECI,Anthropic版本的Epoch能力指数。自2025年10月7日起,AECI分数的年化增速从约15分/年跳到了约29分/年。36氪的报道对此有一个直观的换算:过去一年走完了此前约两年的路,量级大致相当于从Claude 2.1进化到Sonnet 4.5。作为对照,前沿模型整体在这一时期的加速约为1.4倍,Anthropic的1.9倍高于行业均值,但并非孤例。

80%来自AI:一个带有明确不确定性的归因

比“加速了多少”更敏感的问题是“为什么加速”。METR的估计是:当前加速中的大部分,可能归因于Anthropic在研发中大量使用AI。具体到数字,约80%的加速来自AI,剩余20%为非AI因素,后者的细节被Anthropic以保密为由要求删减。

METR同时给出了几条限定,这些限定和80%这个数字本身同样重要。第一,归因存在显著不确定性,2025年末的加速中其他原因可能扮演了重要角色。第二,METR没有观察到明显的瓶颈或强烈的边际收益递减,这意味着进一步的能力进步有可能导致更快的加速,但也可能只是METR没有看到那些瓶颈。第三,80%这个数字的置信度远低于1.9倍,它更像一个方向性的判断,而非精确的点估计。

报告还记录了一个在Anthropic内部反复出现的现象:研究人员终于可以“试更多想法了”。过去一个实验需要一两天实现,很多想法在验证之前就被搁置;现在可以把多个想法交给AI智能体并行探索。一位研究人员的描述是,工作主要受限于想法和算力,代码已不再是瓶颈;另一位则形容自己“仿佛有了一批博士后和研究生”。

未被公开的Model 4,和12倍的内部提效

METR的分析纳入了三个Anthropic尚未公开的模型,分别以Model 2、Model 3、Model 4代称,它们在2026年7月至10月间完成训练。当前最强的Model 4,在许多常见基准上的分数已经超过90%。Anthropic员工在10月对其进行了主观估计,平均认为它对自身工作的提效达到约12倍。

这些模型的存在,揭示了公开榜单与内部进展之间的一道缝隙。从2025年初约1倍的提效,到Opus 4.5的约2.5倍、Mythos 5的约5倍,再到Model 4的12倍,指数拟合的斜率约为每年3.9倍。这些数字来自Anthropic内部员工的主观评估,不是受控实验的结果,但它们指向的方向与AECI的客观斜率是一致的。只看发布会和公开基准,可能无法完整判断一家前沿实验室内部正在发生什么。

“生命迹象”与递归自我改进之间的距离

报告的标题和核心关切,是“AI加速AI研发”。这与“递归自我改进”(RSI)——AI完全自主地设计、训练并迭代下一代模型——之间,还有一段需要被精确标注的距离。METR和Anthropic的研究人员都认为,在模型训练最重要的部分,AI尚未做出高度重要且完全自主的贡献,目前的主要收益仍然来自AI辅助人类研发。

但Anthropic的研究员已经把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AI与人类完成任务的占比——这部分数据被Anthropic删掉了。METR在报告开头用相当篇幅讨论了删减问题:Anthropic对METR认为“对结论最有信息量的证据”进行了大部分删减,理由是“避免加速其他AI开发者”;METR有权披露删减是否发生、以及结论是否依赖被删减的信息,但在证据层面,公众不得不“比理想情况下更多地依赖METR的判断”。

一个在“慢下来”的呼声中测到的加速度

这份报告发布的时间点,本身构成了一层值得留意的对照。在METR的评估期间(9月12日),Anthropic CEO达里奥·阿莫迪发表了一篇回应AI失控担忧的文章,呼吁AI行业“放缓改进模型能力的速度”。一个多月后,METR的测量结果显示,他领导的公司在同一时期的能力提升速度,是历史速率的两倍。

这并不必然意味着言行不一。阿莫迪的“慢下来”呼吁指向的是行业整体的安全节奏,而Anthropic内部的研发加速,可能被视为在安全措施跟上之前保持竞争力的必要之举。但两者并置所呈现的差距是真实的:一家公开呼吁减速的公司,在内部被测量出了1.9倍的加速;而加速的驱动力,很大程度上来自AI自身。

(素材来自:METR/Anthropic 智算芯能前沿网综合)

本文由智算芯能前沿网编辑整理,转载请注明出处。