METR schatte in een rapport dat op 5 november 2026 verscheen dat Anthropic-modellen op goed afgebakende taken rond oktober 2026 ongeveer twee keer zo snel vooruitgingen als in de periode van maart 2024 tot oktober 2025. De organisatie noemt een werkelijke versnelling van ongeveer 1,3× of 3× ook plausibel. Een afzonderlijke analyse van benchmarks kwam uit op 1,9×. METR publiceerde de beoordeling en de methodetoelichting.
Wat METR schatte over de vooruitgang van Anthropic
De circa 2× is METR’s bredere inschatting van het tempo waarin de capaciteiten van Anthropic-modellen toenamen op goed afgebakende taken. De 1,9× komt uit een analyse van de AECI, Anthropic’s versie van de Epoch Capabilities Index. Die index brengt scores op interne en externe benchmarks samen.
In de AECI-analyse schatte METR dat de benchmarktrend na oktober 2025 1,9 keer zo snel verliep als daarvoor. Het 95%-betrouwbaarheidsinterval loopt van 1,5× tot 2,8×. De gemodelleerde trend steeg van 15 AECI-punten per jaar vóór het omslagpunt naar 29 punten per jaar erna. De indexschaal is zo opgezet dat 15 punten overeenkomen met een verdubbeling van de benchmarkmoeilijkheid.
| Cijfer | Wat het meet | Onderwerp en periode | Context |
| Circa 2× | METR’s inschatting van het tempo waarin modelcapaciteiten toenamen op goed afgebakende taken | Anthropic-modellen rond oktober 2026, vergeleken met maart 2024 tot oktober 2025 | METR acht een werkelijke factor van ongeveer 1,3× of 3× ook plausibel |
| 1,9× | Versnelling van de gemodelleerde AECI-benchmarktrend | Anthropic-modellen na oktober 2025 | 95%-betrouwbaarheidsinterval: 1,5×–2,8×; de geschatte trend liep op van 15 naar 29 punten per jaar |
| Circa 12× | Gemiddelde zelfgerapporteerde AI-uplift voor intern Model 4 | Informele Slack-peilingen onder Anthropic-medewerkers in oktober 2026 | METR noemt de peilingen zeer zwakke aanwijzingen; het cijfer beschrijft geen algemene versnelling van R&D |
De 12× komt uit informele Slack-peilingen over intern Model 4. Het is een gemiddelde zelfrapportage van medewerkers, die METR als zeer zwakke aanwijzing omschrijft. De waarde meet dus iets anders dan de benchmarktrend van 1,9× of de bredere inschatting van circa 2×.
De betekenis van een cijfer hangt hier af van de maatstaf: taakprestaties, benchmarktrends en zelfrapportages zijn verschillende soorten metingen.
Welke rol speelde AI in het onderzoek en de ontwikkeling?
METR schreef in een sterk onzekere, subjectieve inschatting ongeveer 80% van de versnelling toe aan AI-gebruik in R&D. De organisatie verwachtte ook dat niet-AI-factoren een grote rol speelden in de versnelling aan het einde van 2025. METR concludeerde dat een snellere groei van de trainingsrekenkracht de versnelling niet verklaarde.
Volgens METR bood AI vooral ondersteuning bij R&D. Het leverde nog geen zeer belangrijke, volledig autonome bijdragen aan de belangrijkste onderdelen van de modeltraining. METR noemde wel vroege aanwijzingen dat zulke autonomere bijdragen mogelijk dichterbij kwamen.
METR vond geen overtuigend bewijs voor een knelpunt in algoritmen, trainingsrekenkracht, rekenkracht voor experimenten of data dat binnen twaalf maanden zou ingrijpen. De organisatie gaf tegelijk aan dat haar oordeel tijdens de beoordeling veranderde en onzeker bleef.
Hoe METR de trend berekende en waar de grenzen liggen
Voor de AECI-trend paste METR een lineair model met één omslagpunt toe. Het geschatte omslagpunt in de hoofdanalyse was 7 oktober 2025. Bij andere aannames over de linkfunctie, die benchmarkscores aan de index koppelt, varieerde de uitkomst van 1,1× tot 2,9×. Andere selecties van model snapshots en benchmarks gaven 1,9× tot 2,2×; bij varianten in de regularisatie was de uitkomst 1,9× tot 2,1×.
Het betrouwbaarheidsinterval houdt rekening met onzekerheid in de AECI-scores, maar niet met onzekerheid over welke modellen in de analyse zijn opgenomen. Bovendien had Anthropic het recht om niet-openbare informatie eenzijdig te redigeren. METR meldde dat Anthropic het merendeel redigeerde van het bewijs dat METR het meest informatief vond voor zijn conclusies over risico’s. Daardoor kunnen lezers een belangrijk deel van de onderliggende informatie niet publiek beoordelen.
De meting geeft context aan het debat over het tempo van AI-ontwikkeling. NeoTeo schreef eerder over Dario Amodeis voorstel om frontier-AI af te remmen; METR beoordeelde in dit rapport de ontwikkeling van Anthropic-modellen en de bijbehorende benchmarks.
