گزارش METR: هوش مصنوعی سرعت پیشرفت Anthropic رو حدوداً دو برابر کرده
خلاصهٔ کاملتر
سازمان METR از ۱۲ اوت تا ۲۹ اکتبر ۲۰۲۶ با دسترسی بالا به دادههای داخلی Anthropic بررسی کرده که هوش مصنوعی چقدر تحقیق و توسعهٔ خود هوش مصنوعی (AI R&D) رو سریعتر کرده. دلیل اهمیتش اینه که اگه AI شروع کنه به سرعت دادن به ساخت AI بعدی، ممکنه تواناییهای خطرناک یهو ظاهر بشن. Anthropic دادههایی مثل معیارهای pretraining و RL، compute آموزش، امتیاز بنچمارک مدلهای داخلی و مصاحبه با کارکنان رو در اختیارشون گذاشته.
یافتهٔ اصلی اینه که امتیاز بنچمارک مدلها روی AECI (یعنی نسخهٔ Anthropic از Epoch Capabilities Index، یه شاخص ترکیبی از بنچمارکها) از اکتبر ۲۰۲۵ با سرعت ۱.۹ برابر رشد کرده، با بازهٔ اطمینان ۹۵٪ بین ۱.۵ تا ۲.۸. یعنی Anthropic تو یه سال اخیر به اندازهٔ دو سال قبلش، تقریباً از Claude 2.1 تا Sonnet 4.5، پیشرفت کرده. این عدد از ۱.۷ برابری که تو system card مدل Haiku 5.5 اومده بیشتره، چون دادههای مدلهای منتشرنشده هم حساب شدن.
METR مطمئنه که این شتاب به خاطر بیشتر شدن سرعت رشد compute آموزش نبوده. برآوردشون اینه که حدود ۸۰٪ شتاب فعلی کار خود AIـه، ولی شتاب اواخر ۲۰۲۵ احتمالاً دلایل غیر AI هم داشته. تو مصاحبهها محققان بهطور میانگین حدود ۲ برابر شتاب گزارش کردن. نظرسنجیهای Slack هم تا اکتبر ۲۰۲۶ به عدد ۱۲ برابر سرعت فردی رسیده، که METR اونو شاهد خیلی ضعیفی میدونه، چون سرعت فردی مستقیماً معادل شتاب کل پیشرفت نیست.
به گفتهٔ گزارش، AI فعلاً بیشتر بهعنوان دستیار کمک میکنه، نه کاملاً مستقل، ولی «نشونههای حیات» برای کارهای مستقل دیده شده. METR تو ۱۲ ماه آینده گلوگاه جدیای تو پیشرفت الگوریتمی، compute یا داده پیدا نکرده، برای همین میگه ریسک قابل توجهی هست که شتاب از این هم بیشتر بشه. البته خودشون میگن چند بار برداشتشون از گلوگاهها عوض شده و به این ارزیابی مطمئن نیستن.
نکتهٔ مهم شفافیته. Anthropic حق سانسور هر اطلاعات غیرعمومی رو داشت و بیشتر شواهدی که برای METR از همه مفیدتر بود رو حذف کرد، با این توضیح که «ممکنه به رقبا سرعت بده». یعنی عموم مردم مجبورن بیشتر به قضاوت METR اعتماد کنن. Anthropic همچنین بخش راستیآزمایی تقسیم compute بین قابلیت و ایمنی رو وسط کار از پروژه حذف کرد.
نکات کلیدی:
- شتاب AECI از اکتبر ۲۰۲۵: ۱.۹ برابر، بازهٔ اطمینان ۱.۵ تا ۲.۸.
- برآورد METR: شتاب واقعی بین ۱.۳ تا ۳ برابره و حدود ۸۰٪ اون کار AIـه.
- افزایش compute آموزش دلیل این شتاب نبوده.
- خودگزارشی کارکنان تو Slack به ۱۲ برابر سرعت فردی رسیده، ولی شاهد ضعیفی حساب میشه.
- برای ۱۲ ماه آینده گلوگاه جدی پیدا نشده.
- Anthropic بیشتر شواهد کلیدی رو سانسور کرد و بخش بررسی compute رو لغو کرد.
- تیم METR معادل ۲.۵ نفر تماموقت بود و از Anthropic پولی نگرفت.




