METR 换尺重测 AI 能力:倍增周期从 3.07 个月缩至 1.65 个月,新基准 2027 年 7 月或再饱和
josogood · reddit · 2026-11-21
METR 发布 2026 年 11 月的 AI 能力测量更新。原时间跨度基准 TH1 因模型(如 Mythos)能力超出「人类完成任务所需时长」的可估计范围而迅速饱和,于是 METR 打造了更稳健的新工具 TH2,覆盖判断力、难验证任务等更多维度,对象为截至 2026 年 9 月发布的模型。
关键数据与结论:
- TH1 显示已验证任务能力倍增时间为 3.07 个月,TH2 测得的倍增时间缩短至 1.65 个月;
- METR 预计按当前增速,TH2 的部分维度可能在 2027 年 7 月前再次饱和;
- 2026 年配图要点:强项在编码/数学等可验证任务,弱项在高成本任务(尽管 RL 训练环境改善带来跨任务提升)与缺乏经验反馈时的判断力(弱于人类);前沿模型测试上限到 Opus 5.5 / GPT-6 Astra,后期与内部模型未测;
- 公开的未解问题包括:AI R&D 究竟需要哪些能力、廉价 vs 昂贵验证任务上的能力提升速度差异。
整体判断:AI R&D 相关能力快速提升,且越来越难测量。
所属事件:METR 更新:AI 研发能力快速提升且愈发难测(5 条相关)→
「漫话AGI」频道最新
- thomasahle:AI 模型会用现有理论,但还造不出自己的理论 — thomasahle · 2026-11-21
- 「很荣幸和大家一起逃离永久底层」:泰坦尼克沉船梗图刷屏 AI 圈 — D3VAUX · 2026-11-21
- 网友发现 Yudkowsky 2001 年文字神似 LLM 行文风格 — paulnovosad · 2026-11-21
- 算力过剩论者改口:效率每年 4 倍提升,10 年后 10 亿美元算力工作降至千元 — teortaxesTex · 2026-11-21
- waitbutwhy 智能爆炸曲线再度刷屏:AI 越过人类线只需一瞬 — burny_tech · 2026-11-21
- 开发者预判:全民 AI 造物时代,多数人终须离开电脑 — haydendevs · 2026-11-21