独立审计发现：AI 正在 Anthropic 内部加速自己的开发进程

METR（模型评估与威胁研究）是负责在主要模型发布之前评估危险 AI 能力的非营利机构，它在 Anthropic 内部驻场了十一周，得出了一个不同寻常的发现：Anthropic 自己的 AI 工具，正在实质性地加速这家公司开发更多 AI 的速度。

通过 Anthropic 内部基准系统衡量的能力增速，在 METR 认定发生在 2025 年 10 月 7 日前后的一个断点之后，提升了大约 1.9 倍。在那个日期之前，Anthropic 内部的能力分数，每年大约提升 15 个 Anthropic Epoch 能力指数（AECI）点。在那之后，这个速度攀升到了每年大约 29 个 AECI 点——相当于 1.9 倍的加速，95% 置信区间为 1.5 到 2.8 倍。采用不同方法论假设的稳健性检验，给出的区间是 1.1 到 2.9 倍，据完整评估报告所述。

这个数字之所以重要，不只是因为它是关于一家实验室内部运作的一个数据点，更因为它与 Anthropic 为自己设定的一道正式门槛异常接近——一旦越过这道门槛，公司推进工作的方式，将需要发生实质性的改变。

METR 测的是什么，又是怎么测的

METR 于 2023 年 12 月从对齐研究中心的评估团队分拆而来，如今已经成为前沿实验室部署前能力评估的主要独立审计方。这家机构在协议框架下，对 OpenAI、谷歌 DeepMind 和 Anthropic 的模型做过评估，这些协议赋予它有限的高权限访问权，可以查阅内部系统，但要受实验室方面的内容删减约束。

在这次合作里，核心的测量工具是 AECI——Anthropic 内部版本的 Epoch 能力指数，这是一种基准聚合方法，使用一个逻辑链接函数和普通最小二乘回归，在一整套任务上拟合出一个单一的标量分数。AECI 是用 Epoch AI 的公开拟合代码、应用在 Anthropic 内部基准数据上开发出来的，设计目标是同时在多个任务类别上估计出底层的能力强度。

METR 对 2024 年以来的 AECI 分数，做了一次结构性断点分析，估计出轨迹发生变化的最可能日期。拟合效果最好的断点，落在了 2025 年 10 月 7 日。METR 随后估计了这个日期前后能力增长的斜率，得出 1.9 倍这个比值，作为断点之后能力推进速度加快了多少的中心估计值。

重要的一点是，METR 发现，这次加速主要不是由算力或人员的增加驱动的。Anthropic 的员工数量和算力分配，并没有发生一次能够单独解释这次轨迹转变的阶跃式变化。内部生产力调查支持的一个更一致的解释是：AI 编程和研究工具——在 Anthropic 的研究工作流里部署得越来越广泛——让单个研究员的工作速度有了实质性的提升。METR 自己的调查发现，Anthropic 的研究员估计，AI 工具为自己的生产力提升贡献了 20% 到 60%，中位数约为 40%，据 METR 的评估所述。

METR 提醒说，这类自我报告存在噪声，容易受到锚定效应和社会期许效应的影响，不能替代它应用在基准数据上的那种受控测量方法。一名 Anthropic 研究员给出了一个不同的内部估计，认为 AI 对生产力提升的贡献只有 15% 到 20%——明显低于整个机构层面的评估，这也提醒我们，内部观点并不一致。

METR 得出的 1.9 倍这个数字，与 Anthropic 自己公开材料里的估计有所不同。作为对比，Anthropic 的 Haiku 5.5 系统卡报告的数字是 1.7 倍——略低于 METR 的 1.9 倍，METR 把这种差异，部分归因于自己能够访问到那些未反映在公开评测里的、尚未发布的内部模型的分数。当 METR 对更广泛的行业（包括 OpenAI、谷歌和 xAI 的前沿模型，以及 Anthropic 自己）做了一次可比的分析时，得出的隐含加速数字约为 1.4 倍，这说明 Anthropic 内部的节奏，已经跑在了整个行业前面。

一次并非来自更多算力的翻倍

这次加速的构成，在某些方面是最具分量的发现。如果能力增长只是单纯跟随更多投资、更多算力或更大的团队规模，那么这条轨迹会更容易解读，也可能更容易控制：放慢投入，就能放慢产出。

而 METR 发现的，是一种反馈循环的动态。AI 工具，正在帮助那些打造 AI 的人类更快地工作，而由此产生的模型本身能力更强——这又改进了这些工具——进而进一步加速了这些人类。这种机制，让这条轨迹更难被打断，也更难从外部预测，因为它主要不是若干离散输入的函数。

METR 指出，它对「AI 对生产力的贡献」的测量，不是一次直接观察；它是从基准轨迹和调查得来的自我估计中推断出来的。1.9 倍这个数字，是一次斜率对比，不是一次受控实验。METR 对这些局限性说得很明确，同时坚持认为，支持「存在实质性加速」这一结论的证据，在不同的分析方法下都是稳健的。

门槛问题

1.9 倍这个数字的意义，在对照Anthropic 的负责任扩展政策——3.4 版，2026 年 7 月 8 日生效——衡量时变得最为清晰，这份政策在其「自动化研发」框架下，定义了两道不同的门槛。

第一道，是「完全替代门槛」：AI 有能力在一个入门级、纯远程的 Anthropic 研究员岗位的全部职责范围内，完全替代这个人。METR 的评估是，这道门槛尚未被越过。AI 工具正在加速研究，但在任何有意义的层面上，都还没有作为独立的研究者在运作。

第二道，是「2 倍加速门槛」：AI 进步的整体速度，相比「无 AI」的基线大致翻了一倍，而这种翻倍，在很大程度上要归因于 AI 研发本身的自动化。这正是 METR 1.9 倍这个中心估计值最接近的那道门槛。

METR 的评估措辞十分谨慎：大多数团队成员倾向于认为，尚不能断定 2 倍门槛已被越过，但这个问题仍然悬而未决，而且置信区间明确与「已越过」这一情形有重叠。按 METR 转述的说法，Anthropic 自己的看法是，这道门槛尚未达到——这个立场，考虑到了方法论上的不确定性、确立「无 AI」基线的难度，以及一些外部审查者无法完全看到的公司内部考量。

关键的一点是，RSP 3.4 版并不要求真的越过 2 倍门槛才会产生实质性后果——它要求的是，在下一次模型部署之前，越过这道门槛看起来是「可能」或「说得通」的。这是一道更低的门槛，而按 METR 自己的说法，这道门槛可能已经近在眼前。

核心处的一场透明度争议

METR 报告里措辞最尖锐的发现之一，关乎的不是 Anthropic 做了什么，而是它公开说了什么。

2026 年 8 月，Anthropic 发布了一份风险报告，其中涉及的议题之一，是它对自动化 AI 研发进展的内部评估。这份公开版本表述为，这次加速「低于 2 倍这个系数」。就其所说的内容而言，这个表述是准确的。

METR 作为其高权限评估的一部分，接触到了这份报告未经删减的内部版本，发现内部数字隐含的加速幅度约为 1.97 倍。METR 认为，把 1.97 倍这个估计值表述为「低于 2」，在技术上是准确的，但这种精确表述具有误导性——而且那份内部报告本身，把越过 2 倍门槛描述为「说得通的」，而这种表述，在公开版本里消失了。METR 为公开报告提出了一种替代措辞：「领先指标显示出实质性的加速，速率在 1.3 到 2.8 之间。」Anthropic 拒绝了这个提议。

这场争议，归结为一个没有干净答案的披露规范问题：当一个数字在技术上准确的摘要，省略了让这个数字显得令人担忧的那个不确定性区间时，一家公司在一份风险报告里，有义务提供多少背景信息？Anthropic 的立场是，这份公开披露是准确的。METR 的立场是，这种框定方式在上下文中具有误导性。

另外，METR 指出，这个项目最初约定的范围，本来包括对 Anthropic 在「能力研究」和「安全研究」之间算力分配的核验。Anthropic 在合作进行到一半时，改变了范围，把这项核验排除了出去，给出的理由是要让项目聚焦在风险评估上。AI 安全研究员 Daniel Kokotajlo 等人指出，如果没有审计算力分配的能力，那些「放慢开发速度」或「把资源重新导向安全研究」的外部承诺，在实践中就很难被核实。METR 记录了这次范围调整，但没有就它的重要性给出正式的定论。

METR 最终发表的这份报告，本身也经过了删减。METR 提交的文档大约一百页；Anthropic 删掉了其中大部分信息量最大的证据，理由是要避免无意中泄露可能加速其他 AI 开发者进度的信息。METR 在协议条款的范围内接受了这些删减，同时披露称，发布的版本并不反映其调查发现的全部范围。

Anthropic 的 IPO 披露

METR 这份报告的发布时机，增添了一层机构层面的分量。在 11 月 5 日发布的五天前，Anthropic 向美国证券交易委员会提交了一份修订后的 S-1 注册声明，作为其以股票代码 ANT 在纳斯达克 IPO 准备工作的一部分。

那份文件里有一项披露，与 METR 的报告放在一起读，格外引人注目：Anthropic 自己的内部估计显示，未来的模型「可能即将满足」与 AI 研究进展大幅加速相关联的 RSP 门槛。S-1 是一份受自身披露义务和激励机制约束的法律文件，其措辞是在 METR 报告发布之前起草的。尽管如此，一份公司内部披露和一项独立审计发现，从不同方向、用不同方法论，共同指向同一道门槛，这种交汇，赋予了两者单独都不具备的分量。

Anthropic 没有就 METR 核心发现的实质内容提出异议。公司的正式回应，聚焦在方法论上的谨慎提醒和确立基线的难度上，并重申了自己的看法：2 倍门槛尚未被越过。

测量工具正在逐渐失去余地

METR 还指出了一个与持续测量相关的结构性问题：AECI 指数本身正在接近饱和。

Anthropic 内部的 Model 4——一个在 2026 年 9 月到 10 月之间完成训练、尚未发布的模型，AECI 得分为 178.6（如果剔除 METR 认为可疑的三项基准，则为 179.7）——在评估时，于AECI 指数里的每一项基准上，得分都超过了 50%。当一个模型在一整套基准测试的每一项任务上，表现都超过随机水平时，这套指数就失去了区分不同能力水平的能力。进步会变得更难被检测到，因为已经没有剩余的提升空间了。

这是基准测试文献里一个已知的问题，METR 也对它做过系统性研究。解决方案——加入更难的基准、延长任务周期，或者转向根本不同的测量方法——需要投入时间和精力。在此期间，用来追踪那件最重要的事情的最佳可用工具，恰恰可能在这些读数最重要的时刻，产出越来越不可靠的结果。

这个问题在整个行业层面的版本是类似的。METR 的「时间跨度」评估，衡量的是一个 AI 系统能在一项复杂、具有经济意义的任务上，维持多久的自主运行，这些评估显示，Claude 3 Opus 在 2024 年 3 月发布时，能在需要持续工作大约四分钟的任务上保持专注。到 2026 年 2 月，Claude Opus 4.6 已经把这个时间跨度，延长到了将近十二个小时。这种增长的速度，按时间作图来看，本身也在加速。

接下来六个月将决定什么

METR 的评估，并没有得出「Anthropic 已经越过自己安全门槛」的结论。它得出的结论是，这个问题仍然悬而未决，证据是混合的，测量工具正在退化，而那些本该明确回答这个问题的制度性流程本身，定义得不够完善，透明度也不够充分。

这一整套情形——一个模糊的发现、一场有争议的披露、一个被取消的审计环节，以及一份暗示同一种风险的法律文件——构成了一次对 AI 安全社区为管理这个问题而形成的那套做法的压力测试。这套做法，依赖于独立审计方拥有有意义的访问权限、核实自己被告知内容的能力，以及一套能给公众提供足够信息、让公众自己形成判断的披露规范。

按 METR 的说法，这些条件是否真的得到满足，正是这次研发加速审计提出的更深层问题——也是下一代 METR 评估，需要比这一次更果断地去回答的问题。