要点
- METR 高权限评估（2026-08-12 至 10-29）：自 2025-10 起 Anthropic 内部模型 AECI 增速约 1.9x（95% CI 1.5-2.8），并排除训练算力扩张加快为主因。
- METR 多数参与者判断当前定义良好任务上约 2x 历史速度，并猜测当前加速大部分来自 AI 做研发；同时写明多数最有信息量证据被 Anthropic 涂黑。
- 可证伪点是公开的 1.9x 区间与算力排除，以及涂黑 依赖被明示；不是把「约 2x / AI 账本」当成公众可重算的透明结论。
METR 于 2026-11-05 发布对 Anthropic 的独立评估：2026 年 8 月 12 日至 10 月 29 日，评估团队在高权限条件下查看预训练、强化学习、各域训练算力、内部模型基准、AI 加速分析与员工访谈等材料，判断 AI 是否在加速 Anthropic 自身的 AI 研发。
公开可核对的核心数字是：自 2025 年 10 月以来，Anthropic 内部模型在 AECI（Anthropic 版 Epoch Capabilities Index）上的分数增速约为此前的 1.9 倍，95% 置信区间 1.5-2.8；团队有把握排除「训练算力增速加快」作为主因。METR 多数参与员工的主观判断是：到 2026 年 10 月，Anthropic 在定义良好任务上的能力改进速度大约是 2024 年 3 月至 2025 年 10 月历史速度的两倍，且当前加速的大部分（文中猜测约 80%）可能来自广泛使用 AI 做研发。
同一帖的红线是：Anthropic 涂黑了 METR 认为对结论最有信息量的多数证据。METR 写明这使公众难以自行复核归因与瓶颈，因而不得不更多依赖 METR 的判断。新闻核应落在「1.9x AECI + 算力增速排除 + 涂黑 证据占多数」，而不是把「约 2x / AI 为主」读成一本透明账本。
[1]硬事实（METR 博文，访问于 2026-11-06；日期署 2026-11-05）：
- 评估窗口：2026-08-12 至 2026-10-29；场所为 Anthropic 高权限评估。
- AECI 加速：自 2025-10 起约 1.9x（95% CI 1.5-2.8），约等于过去一年走完此前约两年的基准进度。
- 算力：团队有信心认为加速并非来自训练算力扩张速度加快。
- 主观风险结论（METR）：当前在定义良好任务上约 2x 历史速度，不排除真实值靠近 1.3x 或 3x；对更宽、更不明确任务如何换算仍有额外不确定。
- 归因：2025 年末加速可能受非 AI 因素影响（细节多被涂黑）；对 2026-10「当前」加速，METR 猜测 AI 贡献占多数（约 80%），不确定度高；更细的累积/瞬时 AI 效应估计被涂黑。
- 瓶颈：未看到未来 12 个月内足以挡住进一步能力进步的明显瓶颈（算法、训练算力、实验算力或数据），但评估过程中对瓶颈的理解多次改口，团队不自信。
- 工作方式：据称研发加速主要来自 AI 辅助而非完全自主贡献，同时有迹象显示完全自主贡献角色可能变大。
- 涂黑：Anthropic 有权涂黑非公开信息；METR 可披露是否行使涂黑权、以及结论是否显著依赖被涂黑信息。Anthropic 称涂黑旨在去掉可能加速其他 AI 开发者的机密。METR 称多数最有信息量的证据被涂黑，报告未达到「证据层面的透明」。
- 局限（METR 自列）：可能低估（近期增速又抬、更多 R&D 任务自动化、AECI 有时低估真实影响）；可能高估（非 AI 因素、AECI 偏可验证任务、2023-2025 早期增速异常偏低）。
术语：METR 把「加速」定义为增长率之比；2x 加速表示一年走完旧速率下两年的进度。
[1]证据强度：高权限独立评估的公开摘要，不是原始数据室。1.9x AECI 与置信区间、以及「不是训练算力增速」是帖内可引用的定量主张；「约 2x / AI 约占 80%」是 METR 在看过含涂黑 材料后的主观综合。员工访谈与自报 uplift 被作者写明「难解释」。
可检验路径对公众很窄：外界看不到被涂黑的表格与管道估计，无法独立重做归因分解。能做的是：追踪后续 Anthropic 公开模型在可复现基准上的进度是否与「约两年进度挤进一年」同方向；等待是否有第二家实验室用可比协议开放只读评估；阅读 METR 过程节中「能说 / 不能说」对照表，确认哪些结论显式依赖涂黑 证据。
钢人论证：若 AECI 方法稳定，且「非算力增速」排除成立，则「自 2025-10 起基准进度显著加快」这一定量句可立。把加快主要记在 AI 研发辅助上，则仍是涂黑 条件下的判断，不是公众可重算的账本。
[1]最强钢人：前沿实验室很少让外部评估者深入看预训练、RL、算力与内部基准；METR 能写出带置信区间的 AECI 加速，并公开承认涂黑 与团队内部分歧，本身提供了比纯公司博客更高的信息密度。把「可能 1.3x-3x」与「理解瓶颈时多次改口」写进摘要，也降低了假精确。
钢人风险：多数最有信息量的证据不可见，公众无法仲裁「AI 占 80%」与「2025 末非 AI 因素」的相对权重。AECI 可能过拟合可验证任务分布，或因数据点稀疏、滞后于研究而误读近期加速。未看到瓶颈不等于没有瓶颈；作者已警告理解曾多次翻转。「完全自主贡献将变大」是迹象级叙述，不是测得的时间表。
因此，把标题写成「Anthropic 已被 AI 加速约两倍」会过度翻译。更稳的读法是：公开定量句是 1.9x AECI（区间 1.5-2.8）且算力增速被排除；「约 2x / AI 为主」是涂黑 下的 METR 判断。
[1]对政策与安全社区，六个月内可观察的是：是否出现第二份可对照的高权限评估、Anthropic 是否减少对「最有信息量证据」的涂黑、以及公开基准进度是否继续偏离 2024-2025 历史斜率。对其他实验室，压力在「能否接受同类外部只读」；拒绝会显得信息劣势，接受则要面对涂黑 与机密外溢的权衡。
对投资与采购叙事，应用「公开可引数字」与「依赖判断的归因」分栏，避免把 METR 主观综合直接写成已审计的生产力倍数。对 Anthropic 员工与竞品研究者，帖中「辅助为主、自主迹象抬头」提示组织流程可能先于完全自主代理改写，但这仍需内部指标公开才能外推。
[1]METR 评估的检验对象应是公开的 1.9x AECI 区间与「非训练算力增速」排除，以及过程节对涂黑 依赖的明示；不是把「约 2x / AI 占多数」当成透明账本。区间与排除站住，它是有分量的高权限摘要；归因比例与无瓶颈判断，在证据仍大面积涂黑时，应标成判断而非账本。
另：METR 写明双方对如何综合证据都有显著不确定。读者若只转述「两倍加速」，等于丢掉作者自己标出的误差条与涂黑 警告。
【No.2】
[1]