AI 加速 AI 研發：Anthropic 進步速度快 1.9 倍

Photo by Zoha Gohar on Unsplash

11 月 5 日，非營利評估機構 METR 公布了一份針對 Anthropic 的評估報告。結論只有一句話，但這句話值得所有關注 AI 的人停下來看一眼：Anthropic 自家模型在標準化測驗上的進步速度，從 2025 年 10 月之後大約變成原來的 1.9 倍，而且這個加速不是因為多買了運算資源。

換句話說，同樣一年的時間，現在走完的距離大約是過去兩年份。而 METR 認為，推動這件事的主要力量，是 Anthropic 開始用 AI 來做自己的研發工作。

METR 是誰，為什麼這份報告不一樣

METR（Model Evaluation & Threat Research）是一間獨立於各大 AI 公司之外的非營利評估組織，長期在做的事情是替前沿模型做能力與風險評估。過去這類報告多半是從外部觀察：拿公開模型跑測驗、比較分數、推論趨勢。

這一次不同的地方在於「高存取權限」。根據報告，METR 投入約 2.5 個全職人力，從 2026 年 8 月 12 日到 10 月 29 日，進入 Anthropic 內部調閱研發數據、內部指標、人力編制、程式碼產出量與訓練運算量的變化，並且訪談了公司內部的研究人員。這是少見的、由外部單位進到一家前沿 AI 公司裡面去回答「你們到底變快了沒有」的嘗試。

報告要回答的問題有三個：能力成長是否真的加速了、加速當中有多少比例該歸因於 AI、以及接下來有沒有什麼瓶頸會把這個加速卡住。

1.9 倍是怎麼算出來的

Photo by CHUTTERSNAP on Unsplash

這個數字的來源是 AECI，Anthropic 內部版本的 Epoch 能力指數——簡單講，就是把一整組基準測驗的分數合成一條能力曲線。METR 用分段線性迴歸去配適這條曲線，斷點設在 2025 年 10 月 7 日前後，再用拔靴法（bootstrap）估出信賴區間。

結果是斜率變成約 1.9 倍，95% 信賴區間落在 1.5 到 2.8 倍之間。

值得注意的是報告自己做的穩健性檢查。換掉統計模型裡的連結函數，結果可以從 1.1 倍到 2.9 倍；換不同的模型快照、不同的基準測驗組合、不同的正則化參數，則大致落在 1.9 到 2.2 倍。如果把非 Anthropic 的其他前沿模型也放進來一起算，數字降到 1.4 倍；Anthropic 自己在 Haiku 5.5 的系統卡裡報的是 1.7 倍。

METR 的主觀判斷是「大約 2 倍」，並且明講：如果真實答案是 1.3 倍或 3 倍，他們不會感到意外。

這種把量法攤開來講的寫法，比單獨一個 1.9 倍更有參考價值。一個倍數聽起來很確定，但只要知道它會隨著統計方法在 1.1 倍到 2.9 倍之間擺盪，讀的人對它的態度就會不一樣。

加速從哪裡來：不是算力，那是什麼

報告中語氣最確定的一段，是排除法的部分。METR 表示他們「有信心」這次的加速不是來自訓練運算量成長變快——也就是說，不是單純因為買了更多卡、堆了更大的叢集。

那剩下的解釋是什麼？METR 的主觀估計是，截至 2026 年 10 月的這個加速當中，大約八成可以歸因於 AI 本身，並且特別標註這個比例高度不確定。報告同時認為，2025 年底那一波的加速，比較可能是非 AI 因素（例如人力擴編、流程調整）造成的。

支持八成這個判斷的證據則相當參差。公司內部用 Slack 做的非正式投票，研究人員自評能力最高的內部模型帶來的效率提升高達 12 倍；METR 直接把這個數字歸類為「非常鬆散的證據」。訪談的結果溫和得多：13 位被歸類的研究人員當中，2 位明確認為有加速、3 位傾向認為有、4 位模稜兩可、2 位認為沒有，0 位傾向否定，整體大致圍繞在 2 倍附近。

另外一個容易被標題蓋過去的細節是：報告認為 AI 目前還沒有在最關鍵的訓練工作上做出高度重要、完全自主的貢獻，只看得到「生命跡象」。目前的加速，比較像是大量的中段工作——寫程式、跑實驗、整理資料、做分析——被壓縮了時間，而不是 AI 自己接手了研究方向的決策。

迴圈成立的話，意味著什麼

Photo by Yohan Marion on Unsplash

「用 AI 加速 AI 研發」這件事之所以值得注意，不在於它今年省下多少工時，而在於它的形狀是一個迴圈：這一代模型讓研發變快，於是下一代模型來得更早，而下一代模型又讓研發再快一點。

過去幾年，外界預估 AI 進展的方式幾乎都建立在算力上：晶片出貨量、資料中心建置進度、電力取得速度。這些都是看得見、算得出來、而且有物理上限的東西。如果 METR 的判斷成立，那麼能力成長的速度就多了一個不在這條線上的來源——它不需要等變電所蓋好。

METR 在瓶頸的部分表示，未來 12 個月內，他們在演算法進展、訓練運算、實驗運算與資料這四個面向上，都沒有找到有說服力的瓶頸。但同一段話後面接著寫：對這個判斷「信心很低」，因為在這次評估的過程中，他們對情況的理解本身就反覆改變過好幾次。

報告自己承認的限制

這份報告值得一讀的另一個理由，是它把自己的弱點寫得比結論還長。幾個比較關鍵的：

• 塗黑：Anthropic 握有單方面的刪修權，理由是避免洩漏可能幫助其他開發者的機密資訊。METR 直言，他們認為最有資訊量的證據多數被塗黑了，包括各階段的加速與歸因細節、瓶頸分析、演算法進展估計與未來模型的預測。報告明說，這份文件「沒有達到對證據的完全透明」，外界必須比理想情況更依賴 METR 的判斷。
• 量測天花板：所用的 15 個基準測驗，最新模型全部都考到 50% 以上。分數一旦逼近上限，就愈來愈難分辨真實能力差距。
• 存取限制：METR 沒有拿到未發表模型的查詢權限，也沒有員工等級的內部存取。評估進行到一半，Anthropic 取消了運算資源分配的查核項目。
• 範圍偏差：加速的證據集中在「定義明確、容易評分」的任務上。這類任務恰好是基準測驗擅長衡量、也是 AI 最擅長加速的部分，不一定能外推到開放式的研究工作。
• 利益揭露：團隊中一名成員曾與 Anthropic 談過職位（最後婉拒），並持有競爭對手的股權，其工作由無利益衝突的成員複核。

報告也提到，塗黑掉的那些證據，據稱支持「加速持續存在、甚至可能高於 2 倍且還在增加」，但 METR 補了一句：那些證據有多種合理的解讀方式。

幾個觀察

第一，這份報告的價值，有一半在於它的格式。一家前沿 AI 公司讓外部單位進門查自己的研發速度，並且允許對方把「你們塗掉了最有用的部分」寫進公開報告，這件事本身就是一種進展。至於這種評估能不能常態化、塗黑的比例能不能降下來，才是接下來真正要看的。

第二，看數字的時候要連著區間一起看。「1.9 倍」會被引用成「AI 研發速度翻倍」，但原始報告給的是 1.5 到 2.8 的信賴區間、1.1 到 2.9 的穩健性範圍，以及一句「1.3 倍或 3 倍我們都不意外」。這三者說的是同一件事：方向明確，量級不確定。任何把這個數字當成精確事實來推演後續時程的說法，都比原報告本身更有把握。

第三，對一般企業來說，可以先觀察的其實是同一個迴圈的縮小版。METR 量到的那八成，拆開來是大量重複性中段工作被壓縮的結果——寫程式、跑實驗、整理資料。這個模式不是 AI 公司獨有的；任何一間公司裡，只要某類工作有明確的輸入、明確的驗收標準，而且一天要做很多次，它就具備同樣的被壓縮條件。值得注意的是順序：Anthropic 之所以能量出倍數，前提是他們本來就有一條穩定的基準線可以對照。沒有基準線的時候，導入前後的差別通常只能靠感覺描述，而從這份報告的訪談結果來看，感覺與量測之間的落差可以差到好幾倍（自評 12 倍、訪談約 2 倍）。

先把工作量與時間量出來，再談加速幾倍，順序大概是這樣。

完整報告公開在 METR 網站上，對評估方法、信賴區間與限制有興趣的讀者，建議直接讀原文：Independent Assessment of AI R&D Acceleration at Anthropic in October 2026。