A\三大内部模型曝光！领先Opus5.5三个月，RSI缩短80%实验时间

听雨 发自 凹非寺 量子位 | 公众号QbitAI Anthropic的三个内部神秘模型，曝光了。 Model 2、Model 3、Model 4。 真名还没公开，但训练时间和部分成绩已经出现了。 第三方评估机构METR的新报告披露：三个模型分别在今年7月、8-9月、9-10月完成训练。 其中最强的 Model 4，在Anthropic的综合能力指数AECI上，已经超过了Opus5.5。 Anthropic联合创始人Sam McCandlish也出面回应了。 他认同报告中的多项判断：AI正在加快Anthropic的研发，只是究竟加快了多少，还很难精确衡量。 （原来A社创始人也有个Sam啊） 此外，Sam还承认， 这份公开报告删去了大量信息。 他知道，这会让外界更难核验METR的分析。但在他看来，公开研发提速背后的细节，既涉及商业敏感信息，也可能给其他公司提供一份「加速路线图」。 三个内部模型，都什么来头 这三个模型的能力差距如何？ METR报告披露的 AECI曲线 ，提供了一个直观的参照。 AECI是Anthropic版本的Epoch能力指数，将多项内部、外部基准的成绩综合起来，用于观察模型能力随时间的变化。 △Anthropic模型的AECI得分走势，橙色圆点代表内部模型，绿色圆点代表公开模型 从图中可以看出，Model 2与Opus5.5的得分接近，Model 3和Model 4则更高。 其中，Model 4的AECI达到178.6，是这组模型中得分最高的一个，比Opus5.5高出约3.9分。 这3.9分是啥水平呢？ 按Anthropic过去的能力提升速度折算， 大约相当于3个月的进步 。 而Opus 5.5是啥时候发的呢？一个半月前。 从整体趋势看，METR估计，自2025年10月以来，Anthropic模型AECI得分的增长速度约为此前的1.9倍， 几乎翻倍 。 Model 4还有一项表现：纳入其AECI评估的15项基准，成绩全部超过50%。 作为对照，约九个月前的Opus4.6，在不少基准上的成绩还低于50%。 △高亮曲线代表纳入Model 4评估的15项基准，成绩均超过50% 这简直进步神速啊…… 这也让METR开始担心，能够充分考验这些模型的高难度测试快不够用了，今后的能力测量也会越来越难做。 怎么说呢，METR你也是白担心了，因为benchmark被刷爆现在太常见了，大家都这么担心。 A社这边，联合创始人Sam McCandlish也出面回应了。 他认同METR报告中的多项判断： AI正在加快Anthropic的研发，但究竟加快了多少，还很难精确衡量。 按照Sam的说法，Anthropic向METR提供了未发布模型的基准成绩、模型进展估算，以及与研究人员交流的机会，让评估者独立形成结论。 此外他也承认，A社在这份报告里删去了大量信息，让其他人更难核验METR的分析。 他还预告， 未来几周，Anthropic将发布自己的进展分析～ 其中会说明内部AI研发的速度、公司相对于其负责任扩展政策所处的位置，以及准备采取哪些新的安全措施。 Claude自进化之后，下一代模型来得更快了 Claude，已经开始帮自己造下一代了。 今年9月，A社就公开过一组数据： 截至8月，Claude已经在人的监督下，主导了26%的模型研发工作。而半年前，这个比例还不到1%。 最新公开的这份METR报告里，还收录了多位Anthropic研究员的访谈摘录，谈到了AI如何改变他们的研发工作。 一位受访研究员表示，从产生想法到运行实验，所需时间减少了约80%。 在他的感受里，代码已经不再是主要瓶颈，真正卡住进度的是想法和算力。 也有研究员提到，借助Claude和Agent工具，团队可以同时尝试更多思路，甚至发现过去不会投入精力探索的方向。 他们的说法都呈现出一个共同点： Claude帮助研究员更快地把想法变成实验，研发团队也因此有机会尝试更多方案。 按照这路子走下去，更强的模型又可能成为下一轮研发的助手，继续推动后续模型进步。 METR也倾向于认为，AI的广泛使用贡献了Anthropic当前研发加速的大部分。 不过它也强调，现阶段的加速主要来自AI辅助人类研究员，完全自主的AI研发贡献还没有成为整体进步的主要来源。 今年9月，Dario还专门写了篇文章，呼吁大家集体减速： 我们必须放慢提升AI模型能力的速度。 Dario估计也是在内部看到什么迹象了… 按他的判断，从今年夏天前后开始，AI进步明显加快，主要动力就是AI越来越能帮助开发下一代AI。 他还担心，这个过程会快到超出人类理解和控制这些系统的能力。 不过，「嘴上喊刹车，脚上踩油门」也是A社的老把戏了… 内部模型一个接一个曝光，丝毫也没有减速的意思啊 众所周知，Dario向来是一个特别重视安全的