METR 审计发现 Anthropic 可能已在 7 月触及自身设定的 AI 加速预警阈值

这正是 METR 着手验证的事情。这家非营利组织研究的课题之一，是 AI 开发者是否会失去对其系统的控制。从 2026 年 8 月 12 日到 10 月 29 日，一个由 2.5 名全职人员组成的团队获得了他们所称的史无前例的访问权限，可以查看未发布模型的基准测试结果、训练指标、员工调查和内部的分析，此外还与 Anthropic 的研究人员进行了大约 15 次访谈。METR 没有从 Anthropic 收取任何费用，但出于安全原因，工作是在 Anthropic 的设备上进行的。

Anthropic 首席执行官 Dario Amodei 最近承诺将外部审计人员引入公司。随后在 10 月，Anthropic 宣布与 METR 合作，涉及“类似员工的访问权限”。据 METR 称，当前的审计是一个范围更窄的独立项目。

两年的进展压缩到一年

据 METR 称，自 2025 年 10 月以来，Anthropic 模型的测试分数攀升速度约为 2024 年 3 月至 2025 年 10 月期间的 1.9 倍。该测量基于 AECI，这是一个将许多基准测试捆绑在一起的综合指标。Anthropic 在一年内取得了此前需要两年才能实现的进展，大致相当于从 Claude 2.1 到 Sonnet 4.5 的跃升。该分析还包括三个未发布的模型，它们在 2026 年 7 月至 10 月间完成了训练。在 2025 年 10 月之前，Anthropic 的模型每年大约提升 15 个 AECI 点；自那以后，这一速度达到了 29。

METR 确信，这种加速并非由训练算力的更快增长所驱动。相反，审计人员估计，当前约 80% 的提速来自 AI 被用于 Anthropic 自身的研究。一位员工在访谈中说：“现在瓶颈只在于想法和算力，不再受限于代码。”

其他人表示，过去需要一到两天才能搭建好的实验，现在“几乎免费”。在 2026 年 10 月的非正式 Slack 投票中，员工平均表示最新的内部模型让他们的生产力提高了大约十二倍。METR 将这些自我评估视为“非常宽松的证据”，称其不具代表性，且很可能夸大了实际收益。

AI 尚未进行完全自主的研究。加速主要来自 AI 作为助手发挥作用，但已有“生命迹象”表明，独立贡献可能很快会扮演更重要的角色。METR 没有发现会在未来十二个月内减缓这一步伐的瓶颈，这意味着加速在未来一年持续增长存在“重大风险”。

巨大的不确定性与不同声音

METR 还强调了结果有多么不精确。真实的加速倍数可能低至 1.3，也可能高达 3。当把 OpenAI、Google 和 xAI 的模型纳入考量时，全行业的数字降至仅 1.4，这可能是因为 Anthropic 在 2025 年落后于竞争对手，而追赶效应扭曲了数据。

Anthropic 内部的看法也并不一致。一位研究人员认为 AI 在生产力提升中所占的份额仅为 15% 到 20%，并且不信任同事的自我报告。另一位则认为新员工是近几个月最重要的单一因素。

被涂黑的证据削弱了审计

Anthropic 对所有非公开信息拥有单方面的删改权，并且大量行使了这一权利。据 METR 称，审计人员评为最具信息量的证据大部分被删除，包括对未来模型的预测、按训练步骤的细分以及瓶颈分析。Anthropic 将删改描述为“旨在移除可能加速其他 AI 开发者进展的机密信息”。

METR 写道，结果是公众不得不“远超理想程度地”依赖 METR 的判断，而围绕证据的任何透明度讨论都无从谈起。METR 报告中的一张图表因此用大字标注了“FAKE DATA”（虚假数据）。

Anthropic 叫停了一项算力分配审计

在一份配套的审查中，METR 还审视了 Anthropic 2026 年 8 月的风险报告。在该报告中，公司公开表示加速“不到 2 倍”。然而，内部未删改版本暗示数值为 1.97，且 Anthropic 自己也称阈值已被越过是“可能的”。METR 认为警告级别可能早在 7 月 15 日就已达到，并指责公开报告低估了加速程度及其不确定性。

METR 目前认同 Anthropic 的评估，即急性灾难性风险“较低”，但该组织无法排除未来六个月内再次出现急剧加速的可能性，而这可能迅速推高风险评级。

METR 原本还应核实 Anthropic 如何在能力研究与安全研究之间分配算力。Anthropic 在项目进行到一半时取消了这一部分，称希望先专注于风险评估，之后再重新审视算力审计。

“AI 2027”情景背后的研究者 Daniel Kokotajlo 在 X 上尖锐回应，认为审计算力分配是使减速承诺能够被验证的基础。