文章核心观点 - METR 调查报告显示 Anthropic 过去一年取得的基准能力进步大致相当于此前两年的进步，AI 正显著加速下一代 AI 的研发 [1][3] - 这种加速主要来自 AI 自身的帮助而非训练算力规模增长的速度，截至 2025 年 10 月约 80% 的研究加速估计来自 AI，另有 20% 非 AI 因素细节未披露 [8][11] - AI 尚未实现完全自主的递归自我改进（RSI），当前主要收益仍来自 AI 辅助人类研发，但已出现大量自主贡献的“生命迹象” [12][14] 能力进步速度的量化数据 - 自 2025 年 10 月 7 日起，能力提升分数从约 15 分/年跳到约 29 分/年，一年走完了此前约两年的路，量级大致相当于 Claude 2.1 到 Sonnet 4.5 [6] - 放眼全行业，前沿模型的加速只有 1.4 倍 [7] - Anthropic 内部提效倍数从 2025 年初约 1 倍，到 Opus 4.5 约 2.5 倍、Mythos 5 约 5 倍、Model 4 跳到 12 倍，指数拟合为每年 3.9 倍 [10] - Anthropic 员工 10 月内部主观估计，当前最强的 Model 4 对自身工作平均提效约 12 倍 [9] 研发效率提升的机制 - 研究人员终于可以尝试更多想法，过去一个实验需一两天实现，时间与计算成本高导致许多想法未验证即被搁置 [9] - 如今研究人员可将多个想法交给 Agent 验证，工作主要受限于想法和算力，代码已不再是瓶颈 [9] - 有研究人员形容使用 Claude 后仿佛有了博士后和研究生一起推进项目，实验与实现变便宜使研究人员更愿意尝试，小实验也有机会成为新研究方向 [9] 未公开模型与内部进展 - METR 分析纳入了三个 Anthropic 未公开模型（Model 2、Model 3、Model 4），均于今年 7 月至 10 月间完成训练 [9] - 当前最强的 Model 4（有人猜测为 Claude 6）在许多常见基准上分数已超过 90% [9] - 这些模型尚未发布甚至不一定成为公开产品，其存在提醒外界仅看发布会和公开榜单可能无法完整判断 AI 大厂内部正在发生什么 [10] 递归自我改进（RSI）的进展与局限 - 目前距离让 AI 自主研发下一代模型的完整 RSI 仍有差距，在模型训练最重要部分 AI 尚未作出高度重要且完全自主的贡献 [12] - Anthropic 研究员已将 AI 的大量自主贡献描述为“生命迹象”，并有量化统计各环节 AI 与人类任务占比，但数据被 Anthropic 删掉 [14] - RSI 路径能走多远取决于尚未自动化的环节以及算力等资源能否跟上 [15] - METR 未看到未来 12 个月会明显阻断快速进步的瓶颈，但坦言随信息增加曾多次改变判断，目前信心有限 [15] 信息披露与风险表述分歧 - METR 约 100 页报告经过 Anthropic 大幅删减，最有说服力的证据大多被 Anthropic 自己删掉 [15] - 同日发布的配套审查呈现双方风险表述分歧：Anthropic 曾将某项领先指标描述为进步速度“不到两倍”，METR 根据内部数据算出约 1.97 倍，认为更准确说法应是“约两倍”，两倍加速涉及 Anthropic 的早期预警阈值 [16] - METR 认为不能排除截至 7 月 15 日已跨过相关阈值的可能，但多数相关研究人员倾向于当时尚未跨过，双方均认为当时相关模型的直接灾难性风险较低 [18] - 当模型参与研发速度越来越快，能否及时看清变化、公司能否充分披露不确定性，正成为下一代 AI 到来之前必须回答的问题 [19]