# METR 测出 Anthropic 研发提速 1.9 倍，关键证据却被涂黑

**Summary:** METR 在 2026 年 11 月 5 日发布的评估显示，自 2025 年 10 月以来，Anthropic 在一套内部 AI 测试结果指数上的进步速度约为此前的 1.9 倍，95% 置信区间为 1.5 到 2.8。这份证据足以让我更倾向于缩短能力复审周期；至于提速的成因，大部分关键证据已被涂黑，外界只能更多依赖 METR 的判断。一年内出现超级智能仍只是有条件的推演。

- Canonical: https://markhuang.ai/zh/news/anthropic-research-speedup-compounding
- Language: zh-CN
- Author: [Mark Huang](https://markhuang.ai/about)
- Published: 2026-11-06
- Section: News
- Tags: Anthropic, METR, AI 研发加速, 递归自我改进, AI 能力评估, AI 预测
- Source: [Planned Obsolescence](https://www.planned-obsolescence.org/p/ai-is-dramatically-accelerating-ai)
- License: https://creativecommons.org/licenses/by-nc/4.0/

---

![一条半透明的青色带状光在两组处理器封装之间环绕，随后隐入不透明的深灰面板之后](https://cdn.markhuang.ai/news/anthropic-research-speedup-compounding/hero.webp)

*示意图：AI 研究能反哺出更强的 AI；但证据大半被涂黑，外部很难判断这股反馈到底有多强。*

如果 AI 能帮研究者造出更好的 AI，更强的工具也许就会来得快一些。METR 在 2026 年 11 月 5 日发布的一份评估，让这个设想具体了不少：自 2025 年 10 月以来，Anthropic 在一套内部 AI 测试结果指数上的进步速度约为此前节奏的 1.9 倍，95% 置信区间是 1.5 到 2.8。

在 [Planned Obsolescence](https://www.planned-obsolescence.org/p/ai-is-dramatically-accelerating-ai) 上，Ajeya Cotra 认为这种加速会一轮轮叠加上去。她最激进的推演是：一年之内就会出现极端的超级智能——前提是这套反馈回路能持续、平稳地自我强化。

这份证据值得认真对待，也让我更倾向于把「AI 能做什么」的复审做得勤一些。但「一年内到来」仍然只是有条件的情景：得每一轮进步都足够快，下一轮的等待时间才会继续缩短。对正在挑工具、或者照着今天的能力上限安排工作的人来说，把「已经提速」和「一年内到来」分开看，才知道哪些工作安排值得回头再看、又该多早看。

## 这 1.9 倍说的是能力指数，不是你的工作速度

METR 最受关注的那项结论针对的是 AECI，也就是 Anthropic 版本的 Epoch 能力指数（Epoch Capabilities Index）。这类指数把多项基准测试的成绩合成一条能力刻度。曲线变陡，意思是模型每个月在基准上能多走一段。它不等于每项任务都快了 1.9 倍，也不等于一家在用 Claude 的公司就能拿到同样的效率提升。

这次评估把尚未发布的内部模型也算进去了。这点很关键：它测的是 Anthropic 自己的研究进展，里面包含客户还买不到的能力。METR 也提醒，结论只适用于定义明确的任务；范围更大、更杂乱的工作，不确定性要高得多。

如果 AI 能帮研究者更快验证想法、改进模型，用户最终可能会更早拿到更好的工具。哪怕不接受超级智能那套预测，这件事也值得跟下去。对一个要掏钱的人来说，内部结果和能放心用的产品之间隔着多远，才是最实在的部分。

## 提速是真的，原因另算

METR 团队在 2026 年 8 月 12 日到 10 月 29 日期间评估了 Anthropic，能看内部指标，也做了访谈。他们的结论是：训练算力的增长变快，解释不了这次的提速。眼下这波加速，多半来自 AI 的使用。不过他们也承认不确定性不小，还有别的因素在起作用，尤其是在这段时间的前半段。

这个判断我愿意采信，因为 METR 看的是内部资料。但 METR 认为最有价值的那部分证据，大部分被 Anthropic 涂黑了。METR 自己也承认，这样一来，公众只能更多依赖它的判断，没法像理想中那样自己去核实。外部读者能看到一部分方法论，可支撑这项归因的证据，大多没法独立核查。

就算只看公开的基准分析，也躲不开分析上的取舍。换一套假设，比如基准成绩和底层能力之间到底怎么对应，METR 的提速估计就会在 1.1 倍到 2.9 倍之间浮动。报告重点给出的那个 1.5 到 2.8 置信区间，并没有把这类方法上的不确定性全算进去。

报告里那个「个人提升 12 倍」的说法，还得再打个折扣。它来自员工在 Slack 投票中的自我报告，METR 自己也说这证据很不牢靠。这并不是说实验室的产出被测出真涨了 12 倍。METR 还强调，这轮工作主要是 AI 在打辅助，而不是 AI 已经能独立扛下模型训练里最关键的部分。

## 这一圈跑得快，不代表下一圈也快

Cotra 说自己没参与这次评估，也没看过未涂黑的原报告。她问的是：如果更好的模型不断推高研究进步的速度，后面会怎样？按她的经验推算，下一次翻倍在六个月后，再下一次三个月，然后是六周。间隔越缩越短，靠的是研究过程自己在变快。

```mermaid
flowchart TD
    A[更强的 AI] --> B[AI 辅助研究]
    B --> C[研究者做出更好的模型]
    C --> A
    C --> D{每一轮提速都够快吗？}
    D -->|是，只要没有别的限制挡路| E[进步可能继续加速]
    D -->|否| F[节奏不必继续翻倍]
```

这张图画的是那套反馈机制；报告并没有给未来的循环排出时间表。仅仅把速度维持在原来的两倍，就已经是很大的变化。要反复翻倍，还得多一个条件：反馈必须持续压过收益递减和其他限制。

一个有用的对照，是 Tom Davidson 和 Tom Houlden 在 Forethought 做的[软件智能爆炸分析](https://www.forethought.org/research/how-quick-and-big-would-a-software-intelligence-explosion-be)。他们的模型里，结果取决于几个变量：初始提速有多快，继续研究还能换回多少回报，软件在撞上实际极限之前还能改进多远。两人也明说这只是推演。它能讲清一件事：光看到加速，判断不出它最终能大到什么程度、持续多久。

METR 没找到明确的近期瓶颈，所以「还会继续加速」这个可能性，我确实认真对待。报告作者也说，他们在评估过程中反复改过自己的理解，而且可能漏掉了某些重要约束。这个提醒值得当回事，不确定性本来就该写进预测里。

## 缩短复审间隔，拿具体任务来验证

我的做法很简单：如果一个计划成立的前提是「AI 这项能力还很弱」，那就把复审间隔缩短。今天看起来合理的工作流，等出现明显更强的模型，就值得重新看一遍。复审得拿完整、有实际用途的任务来测，还要把检查结果要花的力气算进去。

这和我之前写过的一个问题直接相关：[证明一个 AI 生成的补丁到底对不对，要付出多少成本](https://markhuang.ai/news/coding-agents-patch-proof-cost)。产出变快，只有结果能被接受、被用上才算数。研究基准能给你一个试用新工具的理由，但它没法告诉某个团队，这个工具会留下多少复核工作。

下一代模型正好是个检验点：完成一次同等量级的研究突破，时间是不是又短了一截？我还想知道，换几种测量方式，结论会变多少；这些提升能不能落到那些杂乱的真实任务上。比起只盯着「一年内超智能」这一条外推，这些信息更能帮我决定要不要改计划。