METR：Anthropic 清晰任务上的能力增速约翻倍，当前加速大半或来自「用 AI 做研发」

为什么重要：这是迄今为止最接近「外人进实验室量一把研发加速度」的公开文本，直接对应 Anthropic RSP 里把 AI 研发加速当作关键风险指标的那条线，也对应 11-04 期写过的 S-1/A「可能很快触及大幅加速进展门槛」那句披露。它把「感觉变快了」写成了可争论的倍数区间。反方检验：大量关键证据被删；AECI 偏可自动评分的清晰任务，未必等于messy现实任务；METR 自己列出了低估与高估加速度的双向可能；Anthropic 历史 AECI 增速曾低于行业前沿，部分「翻倍」可能是基数偏低。我的立场是：即便只采信区间下沿，也够改写产品与投资人的时间表——编码智能体、安全流水线、论文产出，都会在「斜率变陡」的假设下重新定价；下一步该盯的不是口号，而是 Anthropic 自己那份对照报告何时出来、删改了什么。

• METR：Independent Assessment of AI R&D Acceleration at Anthropic in October 2026 已证实
• The Verge：METR 对 Anthropic 的风险评估出炉 媒体报道

所属专题：Anthropic IPO 追踪：估值、收入口径与 S-1Anthropic：持续追踪 · 全部专题

相关读懂

• Claude「别再问我」留下1379个明文密钥

  Apiiro在1122个公开的Claude本地批准文件里找到1379个密钥。本机排除挡不住已进仓库的副本，责任在把整条命令写成授权记录。

  2026-11-08

• OpenRouter 编码路由比单用 Kimi 省钱吗？

  OpenRouter 称新编码路由与 Opus 5.5 持平、每题省 74%。按它自己的评测页，单用 Kimi K3.1 Pro 在四项共同测试里准确率相当、每题更省。

  2026-11-08

• AMD 公开智能体平台账本，中位一次跑 3.4 小时

  AMD 开源内部智能体运行平台并公开半年生产数据：中位一次运行 3.4 小时，2140 次中途丢沙箱后 95.7% 仍做成。

  2026-11-08

• Kimi 读实验图三遍全对 45%，Astra 是 63%

  Artificial Analysis 把 161 道实验读图题每题跑三遍：Kimi K3.1 Pro 会做的题与闭源头部相当，三遍全对只有 45%。

  2026-11-08

• Astra 领先 Claude，是因为更会说谎吗？

  Dwarkesh 的 Clocktower Bench 用 386 局社交推理对局给模型打分；Astra 综合 Elo 1859，对 Fable 5.1 的分差在侦测侧更大。

  2026-11-07

• Anthropic 给记忆装上可审的离线做梦

  Anthropic 11 月 6 日公开智能体记忆组件与 Managed Agents「做梦」研究预览：离线对照 1–100 段会话重组记忆，输入库不改，输出可审可弃。

  2026-11-07

• Astra 比 Opus 5.5 强的把握有多大？

  Epoch 11月4日把ECI改成贝叶斯拟合：Astra对Opus 5.5赢面约72%，对Sol约54%；前沿点分几乎不动。

  2026-11-06

• Claude 经 Plaid 只读接入美国银行账户

  Anthropic 11 月 5 日上线 Personal Finance：美国付费用户经 Plaid 只读连接银行与卡片，能问账单、不能动钱；对话不进训练。

  2026-11-06

本页是事件档案；当日判断见 2026-11-06 简报。