Model Evaluation and Threat Research (METR) stima che, a ottobre 2026, i punteggi dei benchmark AECI di Anthropic crescessero a 1,9 volte il ritmo precedente. Il risultato riguarda compiti ben specificati e non significa che tutte le capacità o tutti i modelli dell’azienda siano migliorati allo stesso modo. METR ha pubblicato la valutazione il 5 novembre, indicando per la stima principale un intervallo di confidenza al 95% compreso fra 1,5× e 2,8× (rapporto di METR).
Il dato descrive la velocità con cui sono cresciuti i punteggi su un insieme di benchmark, non un moltiplicatore valido per ogni abilità dei modelli.
Che cosa misura la stima di 1,9×
AECI è la versione di Anthropic dell’Epoch Capabilities Index, un indice che aggrega i risultati dei modelli su benchmark interni ed esterni. METR ha confrontato il tasso di crescita dei punteggi AECI dopo il 7 ottobre 2025 con la tendenza precedente. Nella conclusione, il gruppo colloca il confronto più ampio fra marzo 2024 e ottobre 2026, usando come riferimento storico il periodo da marzo 2024 a ottobre 2025.
In termini pratici, la stima equivale a circa due anni di progressi storici nei benchmark concentrati in un anno. Misura però il ritmo di crescita dei punteggi, non un aumento di 1,9 volte della capacità assoluta dei modelli. METR avverte inoltre che l’indice potrebbe non rappresentare fedelmente i risultati in compiti meno definiti o l’impatto nel mondo reale.
AI Copium dedica alla valutazione un commento in inglese e mostra estratti del rapporto; il video offre un approfondimento, non una replica indipendente dell’analisi.
Intervallo statistico e sensibilità al metodo
L’intervallo di confidenza al 95% della stima principale va da 1,5× a 2,8×. METR ha anche provato funzioni alternative per collegare i risultati dei benchmark all’indice: in queste analisi di sensibilità, le stime variano da 1,1× a 2,9×. Il primo intervallo quantifica l’incertezza statistica associata alla stima principale; il secondo mostra quanto il risultato dipenda da una scelta metodologica.
Sono distinti anche i margini espressi da METR in termini soggettivi: il gruppo ha scritto che non si stupirebbe se l’accelerazione effettiva fosse più vicina a 1,3× oppure a 3× il ritmo storico. Questa valutazione complessiva non è un ulteriore intervallo di confidenza né il risultato delle prove sulle funzioni di collegamento.
Quanto METR attribuisce all’intelligenza artificiale
Per ottobre 2026, METR stima con notevole incertezza che l’intelligenza artificiale abbia contribuito alla maggior parte dell’accelerazione, forse per circa l’80%. Il gruppo ritiene invece probabile che fattori non legati all’IA abbiano influenzato la fase di accelerazione di fine 2025. METR afferma inoltre di essere convinta che una crescita più rapida della scala di calcolo usata per l’addestramento non spieghi il risultato.
Un sondaggio interno di ottobre 2026 riportava una media di circa 12× per l’aumento di produttività che i dipendenti attribuivano all’IA mentre lavoravano sul modello interno più capace. METR descrive queste risposte come indicazioni informali e potenzialmente non rappresentative: non misurano la crescita delle capacità dei modelli né dimostrano da sole che l’IA abbia causato l’accelerazione.
METR riferisce anche che l’IA non forniva ancora contributi altamente significativi e pienamente autonomi alle fasi più importanti dell’addestramento dei modelli. Un’accelerazione associata all’uso dell’IA nella ricerca, quindi, non equivale a un processo di sviluppo svolto autonomamente dall’IA.
Come si è svolta la valutazione
METR ha condotto l’analisi dall’12 agosto al 29 ottobre 2026. Il gruppo ha esaminato punteggi di benchmark e altre informazioni interne condivise da Anthropic, oltre a intervistare dipendenti. Non ha avuto accesso per interrogare direttamente i modelli non ancora rilasciati.
Anthropic poteva decidere unilateralmente quali informazioni non pubbliche oscurare prima della pubblicazione. METR ha riferito che alcune delle prove che considerava più informative non sono state rese pubbliche o sono state descritte solo in parte, un limite alla possibilità di ricostruire dall’esterno tutti i passaggi dell’analisi.
