Anthropic大模型研发速度翻倍：METR独立评估揭秘80%提速背后的AI自迭代

把大模型拉进机房，让它帮工程师研发下一代大模型，会发生什么？ 研发速度直接翻了一倍。 相当于用一年的时间，跑完了过去两年的技术指标。 这还不是算力翻倍砸出来的。 八成的提速，全靠 AI 自己在后道工序里带飞。

这件事是怎么被证实的？ 专门做前沿模型安全与能力评估的机构 METR，最近跑进 Anthropic 内部蹲了整整 11 周。 他们拿到了类似员工的最高访问权限。 从底层代码库、训练集群监控，到预训练和强化学习的所有日志，全翻了一遍。 重点就看他们正在内部秘密研发、还没对外发布的新模型。

其中最强的一款，代号叫 Model 4，在 2026 年秋天刚训完。 Anthropic 内部有一套综合能力指数，叫 AECI，里面包含 15 个硬核基准测试。 在此之前，从来没有哪个模型能在全部 15 个测试里都及格。 Model 4 跑出了 178.6 分。 更关键的是，它在所有 15 个测试里的得分率全部超过了 50%。 过去大模型常见的一边拔尖、一边偏科，在它身上彻底找不到了。

模型变强不稀奇，真正让人坐不住的是进步的斜率。 METR 算了一下： 从 2025 年秋天开始，Anthropic 模型的进化速度达到了过去基准期的 1.9 倍。 过去需要死磕两年的技术跨度，现在一年就跨过去了。

很多人第一反应肯定是：一定是芯片买多了，算力集群堆得更大了吧？ METR 特意核对了训练算力的真实账本。 算力的增长速度根本没有翻倍。 既然硬件没有突然大跃进，翻倍的速度是从哪里挤出来的？ 答案在研发的流水线上。 METR 评估后给出的结论很明确： 这场大提速里，大约 80% 的功劳，要归功于 AI 在帮着搞研发。

上一代模型到底在机房里干了什么？ 大模型研发可不是大家想象的，一群科学家天天在白板上推导数学公式。 真正占去工程师大把时间的，是海量的琐碎工程。 写测试脚本、搭验证环境、抓训练日志里的报错、做代码审查与合并、优化数据清洗流程。 Anthropic 做了一整套内部自动化工具，让还没发布的强力模型直接接管这些环节。 在 Anthropic 内部的 Slack 调查里，工程师自己汇报的数据非常夸张： 用上最强的内部模型后，个人研发效率平均提升了 12 倍。

当然，写代码快了 12 倍，不等于整个团队的产出就能快 12 倍。 METR 也特意提醒，这只是工程师主观汇报的感受。 人类目前依然坐在驾驶座上。 底层架构怎么选、目标函数怎么定、安全对齐的边界在哪，依然靠最顶尖的工程师拍板。 但只要方向一定，剩下的验证、排错、找最优解，AI 能在一夜之间把几百种方案全部跑通。 这就形成了一个正向滚雪球的循环： 更聪明的 Model 3 帮工程师扫清障碍，加速造出了 Model 4。 而更全能的 Model 4，马上又会坐到研发工位上，去替 Model 5 铺路。

这件事有没有水分？ 有一点必须说清楚：这份评估报告公开时，Anthropic 删节了大部分原始实验数据。 理由是商业机密和安全防护。 外界看不到最细致的代码日志，只能看到 METR 的分析结论。 但 METR 在深入检查了算法、数据和硬件之后，得出了一个让同行紧张的推论： 在未来的 12 个月里，他们看不到任何能把这种加速踩下刹车的物理瓶颈。 算力没见顶，数据没耗尽，AI 帮自己迭代的飞轮还在转。 当工具开始亲手打磨工具本身，进化的时钟，真的被拨快了。