Anthropic内部模型曝光：研发提速翻倍，领先Opus 5.5

第三方评估机构 METR 近日披露了一份深度评估报告，曝光了 Anthropic 内部正在研发的三个神秘模型：Model 2、Model 3 与 Model 4。这三款模型分别于今年 7 月、8 至 9 月、9 至 10 月完成训练。

评估数据显示，其中实力最强的 Model 4，在 Anthropic 综合能力指数 AECI（Anthropic Epoch Capability Index）上的表现已全面超越不久前发布的 Opus 5.5。

Anthropic 联合创始人 Sam McCandlish 随后公开回应，证实了报告中的关键判断：AI 正在显著加快 Anthropic 内部的研发进程，尽管具体提速幅度仍难以精确量化。

AECI 指数跃升，基准测试面临「天花板」

AECI 综合了多项内部与外部基准测试成绩，用于跟踪模型能力随时间演进的轨迹。

走势图显示，Model 2 的得分与 Opus 5.5 相当，而 Model 3 与 Model 4 展现出更陡峭的增长斜率。Model 4 的 AECI 得分达到 178.6，比 Opus 5.5 高出约 3.9 分。按照 Anthropic 以往的能力演化速率折算，这 3.9 分的跨度相当于过去约 3 个月的技术进步。

METR 估算，自 2025 年 10 月以来，Anthropic 模型 AECI 评分的增长斜率已达此前的 1.9 倍，研发速度近乎翻倍。此外，在纳入 Model 4 评估的 15 项核心基准测试中，其成绩已全部突破 50% 大关；而在数月前的 Opus 4.6 时期，多项基准成绩仍徘徊在半数以下。

这种演进节奏也让评估机构直言，业内现有的高难度评估基准正迅速被消耗殆尽，后续测量前沿模型能力的难度将大幅提升。

Sam McCandlish 透露，Anthropic 向 METR 开放了未发布模型的基准成绩及研究人员交流权限。为规避商业机密并防止向行业过早泄露前沿研发路线，公开报告对部分敏感细节进行了删减。Anthropic 计划在未来几周内发布官方研发进展分析，阐释其在负责任扩展政策下的安全边界与最新举措。

AI 深度介入研发，实验启动时间缩减 80%

研发速度成倍跃升的核心动力，正来自模型对研发过程的反哺。

此前数据显示，截至今年 8 月，Claude 已经在人类研究员的监督下主导了 26% 的内部模型研发工作，而半年前这一比例尚不足 1%。

METR 报告收录的研究员访谈印证了这一质变：借助 Claude 与 AI 智能体工具，研究团队从提出构想到正式运行实验所需的时间缩减了约 80%。在当前的工作流中，编写代码已不再是阻碍研发的瓶颈，核心限制因素已转移至算力供给与原始创新思路上。

研究人员不仅能并行验证更多假设，还能探索以往因人力成本过高而放弃的边缘方向。METR 指出，当前阶段的提速主要源于 AI 对人类研究员的高效辅助，完全自主闭环的 AI 研发尚未成为推动整体迭代的主导力量。

呼吁减速与保持领先的战略平衡

尽管首席执行官 Dario Amodei 曾公开发文呼吁行业控制大模型能力提升的节奏，以确保对齐与安全防护技术能跟上脚步，但内部研发步伐显然未曾放缓。

这一策略与 Anthropic 一贯的逻辑相符：对前沿安全风险的警惕，反倒成为了推动其争夺技术制高点的深层动力。管理层认为，唯有自身维持技术领先，才能确保由重视安全的人主导前沿能力的释放节奏，并在大规模部署前为安全评估留足窗口。