跳转到正文

RUITA / DAILY BRIEF ·

今日三件大事本期重点

Anthropic 研发提速近一倍:METR 估算,约八成增速来自 AI 辅助

METR 用 11 周评估 Anthropic 的内部研发数据,发现模型在一组能力基准上的进步速度约为此前的 1.9 倍。METR 判断,这轮提速目前多数可能来自 AI 帮助研究员写代码、做实验和分析结果。

核心信息

  1. 01

    METR 在 2026 年 8 月 12 日至 10 月 29 日评估 Anthropic 的 AI 研发。

  2. 02

    按 AECI 能力基准估算,Anthropic 模型从 2025 年 10 月起的进步速度约为此前的 1.9 倍。

  3. 03

    METR 判断,截至 2026 年 10 月,当前提速多数可能来自 AI,主观估计约八成。

  4. 04

    报告称 AI 主要在协助研究员写代码、搭实验和分析数据,完整自主研发仍不是主要方式。

METR 到实验室看了什么

METR 在 2026 年 8 月 12 日至 10 月 29 日,对 Anthropic 的 AI 研发做了 11 周评估。团队查看模型能力基准、训练与实验数据,也访谈了相关研究人员。

报告里的“研发提速”说的是模型在能力测试上的进步速度变快,不是每位工程师都能把工作缩短一半。METR 用 AECI(一组模型能力基准)估算,Anthropic 模型从 2025 年 10 月起的进步速度约为此前的 1.9 倍;按这个估算,过去一年取得的基准进展接近此前两年的量。

METR 对 AI 辅助研发作用的估算
METR 对 AI 辅助研发作用的估算

AI 帮研究员把更多想法变成实验

METR 综合内部数据和研究员访谈后判断:截至 2026 年 10 月,当前这轮提速多数可能来自 AI,主观估计约为八成。它描述的主要变化是 AI 帮研究员写代码、搭实验、分析数据,让更多原本要花数天实现的想法可以更快试起来;最重要的模型研发工作仍由研究人员把关。

这也解释了为什么这条消息和高校实验室有关:优势不只在“代码写得快”,还在于研究员可以更频繁地提出假设、验证结果、淘汰没用的方向。

课题组可以从一个具体环节试起

不必一上来就把整套科研流程交给 Agent。选一个常见、耗时、结果容易核对的任务,例如生成实验脚本、清理数据或跑基准测试;记录原流程需要的时间、返工次数和最终结果,再看 AI 有没有真正缩短从想法到实验的距离。