METR报告：Anthropic内部模型一年取得约两年进展，报告大量内容被删改
AI安全研究机构METR在Anthropic内部调查 11 周后称，该公司模型进步速度约为一年前的两倍，过去一年相当于历史上约两年的进展；METR同时指出，公开版报告的大部分关键证据被Anthropic删改，双方对删改是否合理各执一词。
AI解读：METR认为加速主要来自AI本身，而非单纯扩大训练算力；这一判断基于非正式Slack调查、员工访谈和基准分数。读者需要注意，员工自报约 12 倍生产率属于自我报告数据，METR未公开可独立复核的完整证据链。
报告涉及的三款未发布模型（Model 2、Model 3、Model 4）均在 2026 年 7 月至 10 月间完成训练，说明METR观察到的加速部分来自外部无法直接测试的内部系统；因此这些结论的适用范围是Anthropic内部研发流程，不能直接外推到公开模型的能力。
Anthropic联合创始人Sam McCandlish承认删改使外界难以核查METR的工作，但称公开加速的具体驱动因素会向竞争对手提供路线图；这一说法是公司主张，METR则表示大部分被删信息属于“非常高层级”的内容。
多位外部研究者将报告与AI 2027情景对比。Apollo Research的Marius Hobbhahn称报告显示的速度略快于预期；METR的Ryan Greenblatt表示自己此前对 2026 年递归自我改进速度的预期“严重偏低”。这些是研究者个人判断，不是对结果的验证。
METR称目前加速主要来自AI辅助人类研究员，但已看到“完全自主贡献将很快扮演更大角色”的迹象；报告未给出自主贡献占比，也没有证明系统已能无人干预地自我改进。
报告还提到，Anthropic取消了评估其安全研究与能力提升算力分配的部分环节，称希望本次合作聚焦风险评估；这一细节来自METR转述，Anthropic未就此向The Verge置评。
AI安全研究机构METR于本周四发布一份报告，基于在Anthropic内部为期 11 周的调查。报告称，Anthropic的模型进步速度约为一年前的两倍，基准分数显示该公司“在过去一年取得了大约两年的历史性进展”，且几乎没有放缓迹象。
METR表示，研究人员“确信”这一加速不只是因为扩大了训练算力；截至 10 月，大部分加速“归因于AI”，且AI的贡献随时间上升。该判断得到对Anthropic员工的非正式Slack调查和访谈支持。METR称，使用该公司最强内部模型的员工自报生产率约为无AI辅助时的 12 倍，约为几个月前使用Mythos 5时所报数字的两倍。
报告同时留下一个关键缺口：METR向Anthropic提交了约 100 页完整报告，但公开版中“我们找到的最有信息量的证据大部分被Anthropic删改”。METR称其信息渠道“相对狭窄”，少量数据请求被拒绝。
加速来自哪里，结论覆盖什么范围
METR将加速的主要来源指向AI本身，而非单纯堆算力。报告称，截至 10 月，大部分加速由AI贡献，且这一贡献在增长。支持这一判断的材料包括基准分数、对员工的非正式Slack调查和访谈，其中员工自报使用内部模型后生产率约为无AI辅助时的 12 倍。
这些数字的边界需要分清：12 倍是员工自我报告，不是受控测量；基准分数衡量的是特定评测，不等于整体研发能力。METR称目前加速主要来自AI辅助人类研究员，而非AI独立工作；报告同时警告“有一些迹象表明，完全自主的贡献很快会扮演更大角色”，但没有给出自主贡献的占比。
报告还称，未发现明显的收益递减或可观察的瓶颈会阻止“更快的加速”。这一表述是METR对现有证据的判断，不是对未来的保证。
- METR称Anthropic过去一年取得约两年历史进展，速度约为一年前的两倍
- METR称大部分加速归因于AI，而非单纯扩大算力
- 员工自报生产率约为无AI辅助时的 12 倍，为自我报告数据
- 目前加速主要来自AI辅助人类，自主贡献占比未披露
- METR称未发现明显收益递减或阻止加速的瓶颈
三款未发布模型与内部访问
METR称，过去六个月Anthropic完成了三款尚未发布模型的训练，代号分别为Model 2、Model 3和Model 4，完成时间依次为 7 月、8 月至 9 月、9 月至 10 月。METR还识别出一款可追溯到 2022 年的未发布模型，称为Unreleased 2022。METR注明这些是对方告知的代号，公司内部另有命名。
这意味着METR观察到的加速有相当部分来自公众无法测试的内部系统。报告描述的是Anthropic内部研发流程的变化，不能直接换算为公开模型的能力提升速度。
METR称Anthropic提供的信息“超出项目最初范围”，包括机密研究、模型性能数据和员工访谈；但Anthropic没有给予不受限制的访问权限，也没有提供其上月向另一批METR安全研究员承诺的“类员工”访问权限。METR称这是另一项独立安排。
- 三款未发布模型代号为Model 2、Model 3、Model 4，分别在 7 月、8 至 9 月、9 至 10 月完成训练
- METR还识别出一款 2022 年的未发布模型Unreleased 2022
- METR获得机密研究、性能数据和员工访谈，但访问受限
- 此次调查与另一项“类员工”访问计划相互独立
删改之争：公司称保护商业利益，METR称公众难以核查
Anthropic有权删改METR最终报告，并“广泛”使用了这一权力。METR在报告中称，被删改的证据“可能有多种合理解释”，这让公众难以评估其结论、理解其中的不确定性，也难以自行判断证据。METR称，结果是公众“不得不在比理想情况更大的程度上依赖METR的判断”。
Anthropic联合创始人Sam McCandlish在X上回应称，公司“删改了很多，我接受这使其他人更难核查METR的工作”，但决定不公开究竟是什么在推动加速，因为“这既涉及商业敏感信息，也可能向其他人提供加速的路线图”，并称公开会让METR担心的风险“更糟”。他称这是权衡，但公司做了“正确决定”，并计划在未来几周发布自己的AI进展速度报告及新的安全措施。
METR称，Anthropic给出的删改理由是公开信息可能有利于竞争对手；METR表示无法判断这些删改在商业上是否合理，但称“大部分被删改的信息非常高层级”。Anthropic拒绝回答The Verge关于报告及后续批评的问题，仅指向McCandlish的帖子。
- METR提交约 100 页完整报告，公开版大部分关键证据被删改
- METR称信息渠道狭窄，少量数据请求被拒
- McCandlish承认删改妨碍外部核查，称公开驱动因素会帮助竞争对手
- Anthropic拒绝回答The Verge的提问，仅指向McCandlish的X帖子
外部研究者如何看速度与递归自我改进
外部研究者将这份报告与AI 2027情景对比。Apollo Research创始人兼CEO Marius Hobbhahn对The Verge表示，报告显示AI赋能研发的速度甚至快于AI 2027的预测，该情景设想 2027 年初出现通向自我改进的关键突破。他称报告受关注，是因为它提供了此前难以确定的证据：AI究竟在多快地加速自身开发。
GovAI高级研究员Alan Chan对The Verge表示，这些发现应促使怀疑者重新考虑AI加速AI开发的立场，并可能缩短他们对软件工程等任务被完全自动化所需时间的估计。METR研究员Ryan Greenblatt在X上称，他“此前对递归自我改进加速的预期严重偏低；我原本预计 2026 年要少得多”。
这些是研究者基于报告作出的个人判断。报告本身只覆盖Anthropic，且公开版证据被大量删改；OpenAI在 9 月表示，正在朝 2028 年 3 月前构建能推进深度学习与对齐研究的AI研究员“取得强劲进展”，这是另一家公司的自我描述，不是对METR结论的验证。
- Hobbhahn称速度略快于AI 2027的预测
- Chan称怀疑者应重新考虑立场，可能缩短自动化时间线预期
- Greenblatt称自己此前对 2026 年递归自我改进速度预期严重偏低
- OpenAI称目标在 2028 年 3 月前构建AI研究员，属公司自述
安全立场与透明度压力
报告发布后，AI安全研究者与评论者集中批评Anthropic的立场矛盾：公司一方面公开呼吁负责任开发、有时呼吁同行放慢，另一方面报告显示其自身在加速。AI Futures Project的Daniel Kokotajlo在X上指责Anthropic“拿我们的生命鲁莽赌博”，并称公司以别人会加速为理由删改信息“相当讽刺”，因为该公司自己“似乎根本没有放慢多少”。
Institute for AI Policy and Strategy前沿安全研究主任Brianna Rosen对The Verge表示，令人担忧的是由公司而非政府来决定AI研究自动化的节奏；她称“为了让民主监督发挥作用，独立评估者需要能解释为何得出其结论，政府需要自行评估证据，公众需要信任这一过程”，而这份报告“在证据方面不够透明”。
METR还称，Anthropic取消了评估其将多少算力分配给安全工作、多少用于提升能力的部分评估。METR转述公司说法称，这是因为希望本次合作暂时聚焦风险评估，之后会重新审视算力分配核查。Hobbhahn称，这一取消是外界反应强烈的原因之一。纽约州众议员Alex Bores在回应报告时呼吁国会“禁止递归自我改进，今年能禁就禁”。
- Kokotajlo指责Anthropic“拿我们的生命鲁莽赌博”，并批评其删改理由
- Rosen称报告在证据上不够透明，独立评估者需能解释结论
- METR称Anthropic取消了算力分配核查部分，称希望聚焦风险评估
- 纽约州众议员Bores呼吁国会今年禁止递归自我改进