METR 在 Anthropic 待了 11 周，想量一量“AI 造 AI”到底有没有变快
作者：陈一帆
科技记者 Dave Lee 11 月 7 日发布视频称，外部评估机构 METR 在 Anthropic 内部驻场 11 周，专门研究“AI 是否正在加速研发 AI”。METR 过去主要为前沿模型做第三方能力与风险评估，这次把测量对象从“模型有多强”换成“研发本身有多快”，但它是否发布正式报告、驻场起止时间与范围仍待确认。
11 月 7 日，科技记者 Dave Lee 在 X 上发布了一段近 9 分钟的视频，主题是他跟进的一件事：外部评估机构 METR 在 Anthropic 内部待了 11 周，试图回答“AI 现在是否正在加速 AI 的建造” 。这不是一次模型发布前的例行打分，而是把测量对象从“模型有多强”换成了“研发这件事本身有多快”。
先讲 METR 是干什么的。可以把它理解成一家专给 AI 模型“量身高、测体能”的第三方机构：模型发布前后，外部人员进场，用相对公开的方法测它的任务完成能力和风险水平。METR 官网写明，它此前已与 OpenAI、Anthropic、Google DeepMind、Meta、Amazon 合作过前沿风险评估试点；这些公司也向它提供访问权限和 token，用于评测、研究与工程工作 。它同时也参与 NIST AI 安全研究所联盟、加州网络安全工作组，并与 AI Security Institute 合作、向欧盟 AI 办公室提供技术协助 。它的分量主要来自“不是厂商自己念分数”这一点。
这次的不同在于时长和位置。以往多是围绕发布节点做短周期评估，而据视频说法，这次是连续 11 周扎在 Anthropic 内部 ，相当于把秒表长期架在研发流水线旁边，去量一个过去基本只能听厂商自述的量：模型在多大程度上参与改进下一代模型。
视频的章节标题透露了一些线索 ：“Two years in one”指向能力增长被压进更短的日历时间；“Running out of rulers”听起来是说现有基准快被“考满”、量尺不够用了；“The black bars”则对应画面里被打码的片段，说明 METR 看到的是内部真实工作场景，而不是公开版模型。需要说明，这些只是从章节名读出的线索，具体论证要看完整视频；Dave Lee 自己也留了一章“Could it be wrong?”，主动给判断留出证伪空间 。
他放在结尾的判断，重点其实不是“更快”，而是“独占”：如果模型在研发中扮演的角色越来越大，前沿公司会比公众早得多拿到最强模型，这几乎像是对“最聪明的智能”的垄断——公众拿到的总是次新一档，而这些公司用最强的模型去做发现、做产品、改写别人的生意 。这段话是他的观点，不是 METR 的结论，两者不能混着读。
对各家 AI 公司的进度意味着什么？现实一点看，它的价值是给“AI 加速研发 AI”这类此前大多来自厂商叙事的说法，装上一个可以复核的外部口径。如果测量方法站得住，未来比较不同实验室的研发效率、判断某家公司“跑得更快”是否属实，就不必只靠内部 PPT。但边界也要说清楚：METR 输出的是能力趋势的测量数据，不等于“AI 已经能自主造 AI”，后者目前没有独立证据支撑。
还有几件事没落地：11 周的起止日期与具体进驻范围、METR 是否就这次驻场发布正式报告、以及此前有没有同等时长的先例。在目前能读到的 METR 博客索引里，最新条目仍是 2025 年 2 月 8 日的一份前沿安全政策清单，尚未见到相关报告 。
如果报告最终发布，值得先看的不是结论那句话，而是量尺本身：任务怎么选、基线怎么定、打码的部分占多少。这些决定了那个“更快”到底是测出来的，还是被期待出来的。
转载说明
本文根据以下公开资料整理，原文及配图出处见下方。
评论 0
还没有评论，来抢沙发。