Речь не о новой модели и не о бенчмарке, а о скорости самой разработки. METR — некоммерческая организация, которая измеряет способности ИИ, — провела в Anthropic 11-недельное внутреннее исследование и оценила, как использование моделей влияет на работу над следующими моделями. Вывод: темп прогресса примерно вдвое выше исторического, то есть за календарный год команда проходит путь, на который раньше уходило около двух лет.
Формулировка «примерно» здесь важна. Речь об оценке эффективного прогресса, а не о том, что модель сама себя переписала. В отчёте, по данным The Verge, есть вырезанные фрагменты: Anthropic разрешили их убрать, и внешние исследователи не могут проверить, насколько близко компания подошла к замкнутому циклу, где ИИ ускоряет разработку ИИ, а та — следующее ускорение.
Почему это вызывает тревогу
Само по себе ускорение — не проблема. Проблема в асимметрии: если разработка ускоряется, а оценка рисков и проверки безопасности — нет, окно между «модель стала сильнее» и «мы поняли, что она умеет» растёт. Публично Anthropic призывает к осторожности и более медленному развитию, а внутри, по отчёту, ускоряется — этот разрыв и стал главной темой обсуждения.
Контекст усиливает впечатление: на этой неделе OpenAI выпустила GPT-6 Cyber, ориентированную на поиск уязвимостей, а Anthropic готовится к IPO. Конкуренция за вычислительные мощности и капитал толкает всех в одну сторону.
Что это значит для инженеров
Пока — ничего операционного: отчёт не меняет API, цены или лимиты. Но он полезен как ориентир. Если ваша команда тоже использует агентов в разработке, стоит измерять не «сколько кода сгенерировано», а сколько проверок и ревью добавилось на единицу изменений. Иначе ускорение окажется только на бумаге.
Стоит также помнить, что цифры самоотчёта — не независимое измерение. Полного доступа к данным Anthropic у METR не было, а значит, к выводу «в два раза» нужно относиться как к оценке порядка, а не к точному числу.
This is not about a new model or a benchmark, but about the speed of development itself. METR, a non-profit that measures AI capabilities, ran an 11-week internal study at Anthropic and estimated how the use of models affects work on the next models. Its conclusion: the rate of progress is roughly double the historical one — a calendar year now covers what used to take about two.
The word “roughly” matters. This is an estimate of effective progress, not a claim that a model rewrote itself. According to The Verge, the report contains redacted sections: Anthropic was allowed to remove them, and outside researchers cannot check how close the company is to a closed loop where AI speeds up AI development, which in turn speeds up the next round.
Why it alarms researchers
Acceleration by itself is not the problem. The problem is asymmetry: if development speeds up while risk assessment and safety checks do not, the gap grows between “the model got stronger” and “we understood what it can do”. Publicly Anthropic calls for caution and slower development; internally, according to the report, it is accelerating. That gap became the main subject of discussion.
Context sharpens it: this week OpenAI shipped GPT-6 Cyber, aimed at vulnerability discovery, and Anthropic is preparing for an IPO. Competition for compute and capital pushes everyone the same way.
What it means for engineers
Nothing operational for now: the report does not change APIs, prices or limits. It is useful as a marker, though. If your team also uses agents in development, measure not “how much code was generated” but how many checks and reviews were added per unit of change. Otherwise the acceleration exists only on paper.
Keep in mind too that self-reported figures are not an independent measurement. METR did not have full access to Anthropic’s data, so “twice as fast” is an order-of-magnitude estimate, not an exact number.