Anthropic自估研发加速未达2倍阈值，METR数据引爆建模之争

Anthropic 在负责任扩展政策（RSP）评估中披露：在自主性威胁模型 2（关键领域自动化研发）上，Claude Mythos 5.2 尚不能完全替代其研究人员，内部使用该模型对整体 AI 研发进展的加速「不足 2 倍」，因此未触发相应阈值。这一自评迅速引发多方质疑，并演变为一场关于 AI 起飞建模的更广泛争论。

已确认

• Anthropic 的官方表述为研发加速「不足 2 倍」，依据是 METR 报告：点估计 1.88x，95% 置信区间 1.62x–2.28x，100 次重拟合中有 32 次超过 2x（m1、m2）
• TheZvi 公开质疑 Anthropic「加速不到 2 倍」的口径与发布时机（m1、m2）
• peterwildeford 质疑「未触及 AI R&D 阈值」判断缺乏透明度，并指 Anthropic 的 AI R&D 评测已饱和（m6）
• ramez（Ramez Naam）研读 METR 报告与模型卡后认为数据不支持「2 倍研发加速」说法，但承认存在一定加速；其配图显示 Anthropic 每十亿美元研发对应的 AECI 能力指数增益持续下滑（m4）
• AI 2027 原模型对任务时长扩展预测过于乐观，其后继者 AI Futures 模型预期约 1.3 倍加速，而 METR 实测约 2 倍，失准方向反转（m11、m14）

尚未确认

• 加速是否真实、是否由 AI 驱动、是否会复利：austinc3301 认为一年数据难以区分「平台跃升」与 RSI 开端；METR 的删减证据暗示加速「可能超过 2 倍且在增加」，但也表示若高出很多会意外（m7、m8）
• ramez 对多智能体扩展预测的批评与 takeoff 模型失真的判断，austinc3301 部分承认但指出失准方向已反转（m3、m14）

为什么重要

• 若真实加速接近或超过 2 倍且会复利，将直接关系到 RSP 阈值是否应被触发及安全监管节奏，因此自评口径与透明度成为焦点
• VladChituc 质疑将 RSI 建模为「思想生产函数」并非中性选择，而是得出爆炸结论的唯一路径；austinc3301 反驳称该函数建模的是 RSI 常常「熄火」这一障碍而非起飞前提，Elasticity Institute 也在尝试用局部弹性重述该条件绕开传统假设（m5、m10、m13、m15）
• austinc3301 提醒研发支出并非外生变量：Anthropic 越来越多算力流向做研发的 AI agent，AI 加速本身会表现为支出增长，因此「每十亿美元增益下滑」的解读需谨慎（m12）
• austinc3301 认为不宜将 Ajeya/Ryan 的时间线观点当作 all-things-considered 结论，但承认其源自合理的起飞建模选择，双方都没有明显错误（m8、m9）

2026-11-10 ~ 2026-11-11 · 15 条相关

事件全程(共 20 集)→

• 第 1 集:Claude Fable/Mythos 5.2 爆料刷屏，官方未证实疑点重重(2026-11-10,21 条)
• 第 2 集:Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2(2026-11-10,113 条)
• 第 3 集:千个 Fable 5.2 智能体 30 小时形式化费马大定理(2026-11-10,25 条)
• 第 4 集:Shumer 评测 Fable 5.2：史上最强但护栏过严(2026-11-10,3 条)
• 第 5 集:Claude Fable 5.2 发布：单条 prompt 产出完整游戏与 4K 短片(2026-11-10,32 条)
• 第 6 集:Berman 实测 Claude Fable 5.2：连做 9 个项目，称「解决了软件」(2026-11-10,8 条)
• 第 7 集:Anthropic 限时开放 Claude Fable 5.2，Pro 用户可试用至 11 月 16 日(2026-11-10,3 条)
• 第 8 集:Claude Fable 5.2 登顶 LiveBench，成本表现引争议(2026-11-10,3 条)
• 第 9 集:Claude Fable 5.2 上线 Perplexity，WANDR 基准刷新纪录(2026-11-10,3 条)
• 第 10 集:Matthew Berman耗千亿token实测，称Fable 5.2为地表最强模型(2026-11-10,3 条)
• 第 11 集:Claude Fable 5.2 刷新 ARC-AGI-3 最高分(2026-11-10,2 条)
• 第 12 集:Anthropic 核心代码库超九成合并改动由 Claude 编写(2026-11-10,2 条)
• 第 13 集:Claude Fable 5.2 以 65 分登顶 AA 智能指数，成本争议随之而来(2026-11-10,14 条)
• 第 14 集:Every 实测 Claude Fable 5.2：无人值守长任务获 7 人中 6 金奖(2026-11-10,6 条)
• 第 15 集:METR 文件证实 Fable 5.2 即 Model 3,Anthropic 或握更强模型(2026-11-10,4 条)
• 第 16 集:Anthropic自估研发加速未达2倍阈值，METR数据引爆建模之争(2026-11-10,15 条)
• 第 17 集:Fable 5.2 暂未登陆 Claude Code,模型列表仍停留在 5.1(2026-11-10,2 条)
• 第 18 集:Claude Fable 5.2 以 174 分刷新 Epoch ECI 纪录登顶(2026-11-10,8 条)
• 第 19 集:Claude Fable 5.2 登顶 WebDev Arena，提速降价双管齐下(2026-11-10,2 条)
• 第 20 集:网友盛赞 Fable 5.2「优雅地杀死比赛」(2026-11-10,3 条)

• Anthropic自估AI研发加速1.88倍逼近2x阈值，判定被质疑不透明 — scottleibrand · 2026-11-10
• AI 时间线之争再起:建模合理但不宜作全部考虑的结论 — austinc3301 · 2026-11-10
• 复盘 METR 加速之争：三大悬念——是否真实、是否 AI 驱动、是否复利 — austinc3301 · 2026-11-10
• METR 加速是否复利仍难判定：一年数据分不清平台跃升与 RSI 开端 — austinc3301 · 2026-11-10
• 【源头】Anthropic 称新模型自动化研发加速能力未达 RSP 阈值,Zvi 质疑时机 — TheZvi · 2026-11-10
• 【源头】Anthropic报告称加速不足2倍,Zvi揪出置信区间上限达2.28x — TheZvi · 2026-11-11
• AI 起飞模型被指假设先行：思想生产函数未必能带来爆炸 — VladChituc · 2026-11-11
• 智力爆炸模型之争:思想生产函数是前提还是障碍? — austinc3301 · 2026-11-11
• 回应起飞模型质疑：思想生产函数建模的是熄火而非爆炸 — austinc3301 · 2026-11-11
• Elasticity Institute 用局部弹性重述 RSI,质疑 idea production function 前提 — austinc3301 · 2026-11-11
• Ramez Naam:智能爆炸理论模型与真实数据严重脱节,多智能体扩展尤其失真 — ramez · 2026-11-11
• AI Futures 模型反向失准:预期 1.3 倍加速,METR 实测约 2 倍 — austinc3301 · 2026-11-11
• AI Futures 模型反向失准：预测 1.3 倍加速，METR 实测 2 倍 — austinc3301 · 2026-11-11
• 【源头】Anthropic 每十亿美元研发换来的能力增益持续下滑,ramez 质疑 AI 2 倍加速论 — ramez · 2026-11-11
• 研发支出非外生:Anthropic 算力正流向内部 AI agent 做研发 — austinc3301 · 2026-11-11