METR
-
深度:METR新一轮评测显示,前沿模型在可验证任务上已接近或超过许多熟练人类,时间跨度约每3.6个月翻倍
METR于11月20日发布2026年第四季度能力更新。在TH1.1与TH2合计套件上,时间跨度约每3.61个月翻倍;TH2可验证子集上,公开前沿模型的估计时间跨度最高约27小时。模型在编码和优化任务上通常达到或超过熟练人类,但在缺乏清晰反馈的判断任务上仍然较弱。
-
OpenAI启动首轮嵌入式第三方评估:Apollo等四家机构进驻,核查模型会不会“暗中对抗”开发者
OpenAI宣布与Apollo Research、METR、Transluce和Goodfire四家独立机构签署协议,启动首轮嵌入式评估。评估人员可在约定范围内接触模型检查点、训练与评测数据等内部材料;Apollo将派出六人小组驻场四个月,核查模型是否会暗中对抗开发者设定的目标。
-
METR评估:Anthropic AI研发约加速2倍,多数或来自AI辅助而非算力扩张
METR于11月5日发布对Anthropic的高权限评估:截至2026年10月,其在明确任务上的能力进步约达历史节奏的两倍;AECI增速约1.9×,加速非训练算力所致,多数或归因于AI辅助研发。