这份报告披露了一个重要发现，Anthropic的AI模型能力进步速度，可能已经达到此前的两倍，其中约80%的当前加速可能来自AI参与自身研发。
METR估计，自2025年10月以来，Anthropic模型在综合基准测试中的能力增长速度达到此前的1.9倍，95%置信区间为1.5至2.8倍。换句话说，Anthropic过去一年取得的进步，大致相当于此前两年的进步。
这项调查从8月12日持续至10月29日，历时约11周。
METR投入相当于2.5名全职研究人员的工作量，获得了Anthropic此前未向外界开放的大量内部资料，包括未发布模型的测试成绩、预训练和强化学习数据、训练算力、算法效率、员工生产率调查，以及约15次关键员工访谈。
调查还涉及四个内部模型：2022年训练完成的未发布模型，以及2026年7月至10月间完成训练的Model 2、Model 3和Model 4。
METR是一家专门研究前沿AI能力与风险的非营利机构，曾与OpenAI、Anthropic、Google DeepMind等实验室合作开展模型评估。
报告试图回答三个问题：AI能力是否正在加速提升？这种加速有多少来自AI自身？未来是否存在阻碍进一步加速的瓶颈？
首先，METR认为，模型能力增长确实出现了显著加速。
报告采用AECI，即Anthropic版本的Epoch Capabilities Index，衡量模型在多项可验证任务上的综合表现。
研究人员发现，2025年10月之后的能力增长斜率明显高于此前。不同模型、基准测试和统计方法得到的加速估计有所不同，稳健性分析结果介于1.1倍至2.9倍。
值得注意的是，METR明确排除了训练算力扩张速度加快是这次加速主要原因的解释。
研究人员考察了算力、人力、数据、算法突破以及其他瓶颈的变化。对于2025年末的加速，METR认为非AI因素可能发挥了重要作用；但到2026年10月，AI在研发中的贡献已经越来越大。
METR给出的主观估计是，当前加速中，大部分、可能约80%，来自Anthropic广泛使用AI开展研发。不过，研究人员强调，这一比例存在很大不确定性，并非直接实验测量的结果。
AI究竟怎样加速AI研发？报告披露，Anthropic研究人员已经广泛使用AI编写代码、辅助实验和完成其他研究任务。
METR通过员工访谈、内部调查、代码行数、Pull Request数量和AI Agent推理支出等数据，尝试评估其影响。
研究人员对AI带来的整体效率提升估计差异很大，但大致集中在两倍附近。
其中一项内部Slack调查尤其引人注意。员工通过表情投票，估计使用最新模型带来的个人工作效率提升。到2026年10月，部分自报提升幅度已经达到12倍。
不过，METR特别提醒，这类调查证据较弱，个人效率提高12倍，并不意味着整个AI研发速度提高12倍。研究人员的主观估计、具体任务效率与模型能力的长期增长速度是不同概念。
报告同时指出，AI目前尚不能在模型训练最重要的环节中，独立完成具有重大意义的研究贡献。
现阶段的加速主要来自AI辅助人类研究，而不是AI完全自主地开发下一代模型。
但受访研究人员也描述了一些初步迹象，表明更高程度的自主研究贡献可能很快出现，不同研究领域的成熟度存在明显差异。
METR还调查了未来12个月可能限制增长的因素，包括算法进步、训练算力、实验算力和数据供应。
结果是，研究人员没有发现足以明确阻止进一步快速进步的重大瓶颈，也没有观察到强烈的边际收益递减证据。
不过，METR承认，随着获得更多内部资料，他们对部分瓶颈的判断曾多次改变，因此不能确信目前已经掌握全部限制因素。
由此，METR提出一种可能性，即更强大的AI帮助开发更强大的下一代AI，后者又进一步提高研发效率，使能力增长出现持续加速。这正是所谓的递归自我改进。
报告认为，未来一年存在进一步加速的显著风险，但没有断言这种循环已经实现。
这份评估还引出了Anthropic与独立评估机构之间的分歧。
Anthropic的《负责任扩展政策》设有两项与自动化研发相关的能力阈值：一是AI能够以具有竞争力的成本完全替代研究科学家和工程师；二是AI研发自动化使能力进步速度达到原来的两倍。
Anthropic在8月风险报告中认为，两项阈值均未触发。
METR同意当时的模型尚不能完全替代研究人员，也认同截至7月15日，自动化研发直接造成灾难性后果的风险较低。
但对于两倍加速阈值，METR认为Anthropic公开报告的判断过于确定。
在未删减的内部风险报告中，相关数据意味着1.97倍的加速，已经非常接近两倍。METR认为，公开报告仅称“不到两倍”，不足以准确传达这一情况。更重要的是，内部报告也承认，AI带来的实际加速可能已经超过两倍。
Sam在帖子中表示，METR的许多结论与他自己的判断一致。他特别承认，AI已经在加速研发，但目前还难以准确量化，而且尚未独立完成模型训练中的最重要贡献。
他也回应了报告大量删减的问题。METR原本完成了一份约100页的完整报告，但Anthropic对公开版本中的大量敏感证据进行了删减，包括算法效率变化、具体研发环节的加速估计、未来模型预测，以及AI贡献的详细归因。
METR表示，部分最能支持其风险判断的证据无法公开，意味着公众不得不更多依赖评估机构自身的判断。
Sam承认，这确实增加了外界核查的难度，但他认为，公开加速机制可能泄露商业机密，也可能为其他AI开发者提供加快研发的路线图。
他表示，这是一个需要权衡的问题，自己仍认为目前的决定是正确的。
Sam同时透露，Anthropic将在未来几周发布自己的内部AI进步速度分析，说明公司相对于《负责任扩展政策》的位置，并公布进一步加强安全与保障实践的新措施。
