METR estimó que, hasta octubre de 2026, las capacidades de los modelos de Anthropic mejoraban a cerca del doble de ritmo que entre marzo de 2024 y octubre de 2025 en tareas bien especificadas. La cifra no describe toda la investigación en IA: el informe, publicado el 5 de noviembre de 2026, presenta por separado una tendencia de benchmarks AECI de 1,9x y un autoinforme de empleados de 12x. METR detalla su evaluación y sus límites.
Qué significan las cifras 2x, 1,9x y 12x
Cada número corresponde a una medida distinta. El 2x es el juicio general de METR sobre el ritmo de mejora de las capacidades en tareas bien especificadas, comparado con el periodo de marzo de 2024 a octubre de 2025. METR señaló que el resultado real podría estar más cerca de 1,3x o de 3x.
El 1,9x procede de un ajuste de la serie AECI de Anthropic. AECI es la versión de Anthropic del Epoch Capabilities Index y reúne puntuaciones de benchmarks internos y externos. La tendencia ajustada pasó de unos 15 puntos anuales antes del cambio de octubre de 2025 a 29 después. METR estimó un intervalo de confianza del 95% de 1,5x a 2,8x.
El 12x tiene otro origen: es el aumento medio de productividad que empleados de Anthropic dijeron obtener con Model 4, un modelo interno, en sondeos informales de Slack de octubre de 2026. METR calificó esos sondeos como evidencia muy poco sólida y advirtió que la mejora que declara una persona no equivale a la tasa de aceleración general.
| Cifra | Qué mide | Sujeto y periodo | Matiz |
| Cerca de 2x | Juicio sobre el ritmo de mejora de capacidades en tareas bien especificadas | Modelos de Anthropic; comparación con marzo de 2024 a octubre de 2025, evaluada hasta octubre de 2026 | METR consideró plausibles valores de 1,3x a 3x |
| 1,9x | Aceleración estimada de la tendencia de puntuaciones AECI | Modelos de Anthropic; tendencia desde octubre de 2025 | Intervalo de confianza del 95%: 1,5x–2,8x |
| 12x | Aumento medio de productividad autoinformado | Empleados que usaron Model 4 interno en octubre de 2026 | Sondeos informales; no es una tasa de aceleración de Anthropic |
El 12x describe un autoinforme de productividad; el 1,9x, una tendencia de benchmarks. No son dos versiones de la misma medida.
METR también comparó su resultado de 1,9x con el 1,7x de la tarjeta de sistema de Haiku 5.5 de Anthropic. Según METR, la diferencia se debe principalmente a que su cálculo incorporó modelos internos más recientes.
Qué atribuye METR a la asistencia de IA
METR estimó subjetivamente que quizá el 80% de la aceleración observada hasta octubre de 2026 se debía al uso de IA en I+D. La organización calificó esa atribución de muy incierta y consideró que factores ajenos a la IA también contribuyeron al avance de finales de 2025.
El informe señaló que el aumento no se explicaba por un crecimiento más rápido del cómputo de entrenamiento. METR describió la contribución principal de la IA como asistencia al trabajo de investigación y desarrollo; no encontró contribuciones altamente significativas y totalmente autónomas en las partes más importantes del entrenamiento de modelos.
METR tampoco encontró indicios convincentes de un cuello de botella inminente en algoritmos, cómputo de entrenamiento o de experimentación, o datos, durante los 12 meses siguientes al periodo evaluado. La propia organización indicó que su valoración de esos límites había cambiado a medida que avanzaba la evaluación y seguía siendo incierta.
El debate sobre el ritmo de desarrollo también incluye la propuesta de Dario Amodei de ralentizar la IA fronteriza, que NeoTeo abordó en su cobertura anterior. La evaluación de METR añade estimaciones sobre las capacidades de Anthropic, no una medición de los efectos de aquella propuesta.
Cómo calculó METR la tendencia y qué límites tiene
Para estimar el cambio de tendencia, METR ajustó líneas por tramos mediante mínimos cuadrados ordinarios y estimó un punto de quiebre. En el análisis principal de AECI, ese punto fue el 7 de octubre de 2025. Al probar distintas funciones de enlace, los resultados de aceleración oscilaron entre 1,1x y 2,9x.
El alcance también importa: la estimación se refiere a resultados en benchmarks y tareas bien especificadas. No mide por sí sola el avance en cualquier tarea abierta ni el impacto de los modelos en el mundo real. METR no tuvo acceso para consultar modelos inéditos, y Anthropic podía redactar información no pública del informe. METR dijo que se suprimió la mayoría de la evidencia que consideraba más informativa para sus conclusiones sobre riesgos, lo que limita el examen público de la evaluación completa.
