Anthropic’in görev yetkinliği artışı yaklaşık 2 kat hızlanmış olabilir; temel kanıtlar açıklanmadı

METR, Anthropic modellerinin başarı ölçütleri net görevlerdeki yetkinlik artış hızının Ekim 2026 itibarıyla geçmişe göre yaklaşık iki katına çıkmış olabileceğini öne sürdü. Değerlendirme, başarı durumu açık ölçütlerle belirlenebilen görevleri kapsıyor.

Kâr amacı gütmeyen yapay zekâ değerlendirme kuruluşu METR, bağımsız değerlendirme raporunu 5 Kasım’da yayımladı. Çalışma 12 Ağustos’ta başladı; Anthropic’in şirket içi materyallerinin incelenmesi 29 Ekim’e kadar sürdü.

Karşılaştırmada Mart 2024’ten başlayan veriler kullanıldı. Ölçüm dönemi Ekim 2025’e kadar uzandı.

METR, gerçek hızlanmanın önceki hızın 1,3 katı kadar düşük ya da 3 kata yakın olabileceğini belirtti. Başarı ölçütü net olmayan daha geniş bir görev yelpazesinde de aynı hızlanmanın geçerli olup olmadığı belirsiz.

Ayrı bir gösterge olan AECI’de Anthropic modellerinin benchmark puanlarının büyüme hızının, Ekim 2025’ten sonra önceki döneme kıyasla 1,9 kat yükseldiği tahmin edildi. Yüzde 95 güven aralığı 1,5–2,8 kat olarak verildi.

AECI, Anthropic’in Epoch Capabilities Index temelinde oluşturduğu bir yetkinlik göstergesi. METR, yaklaşık iki yıllık benchmark ilerlemesinin bir yıl içinde kaydedildiğini açıkladı. Hesaplamaya açıklanmayan en yeni modelin değerlendirme sonuçları da dahil edildi. METR, bu model için sorgu erişimi talep etmediğini belirtti.

Yaklaşık iki katlık oran, sınırlı bir görev grubundaki yetkinlik artış hızına ilişkin genel değerlendirme; 1,9 kat ise AECI benchmark puanlarının büyüme hızını ifade ediyor. TokenPost’un Anthropic’in hızlanma ölçütleri ve METR’nin benchmark analizi hakkındaki önceki haberinde de 1,9 kat verisi yer almıştı.

METR, Ekim 2026 itibarıyla hızlanmanın yarısından fazlasının, hatta yaklaşık yüzde 80’inin, yapay zekâ destekli araştırma ve geliştirmeden kaynaklanmış olabileceğini tahmin etti. Ancak bu sonucu kesinleştirecek belirleyici kanıt bulamadığını söyledi.

METR, 2025 sonundaki hızlanmada yapay zekâ dışındaki etkenlerin de kayda değer rol oynamış olabileceğini kabul etti. Araştırma ve geliştirme hızındaki artışın, yapay zekânın tamamen özerk çalışmasından çok araştırmacılara destek vermesine dayandığını belirtti.

METR, sonuçlara ulaşmada özellikle yararlı olan kanıtların çoğunun Anthropic’in gizlilik gerekçesiyle yaptığı redaksiyon nedeniyle rapora alınmadığını bildirdi. Gizli bilgilerin çıkarılması konusunda Anthropic’in yetkisi bulunuyordu.

Açıklanmayan veriler arasında ara yetkinlik göstergeleri, algoritmik ilerleme tahminleri, araştırma ve geliştirme girdileri, darboğaz analizleri ve öngörüler yer aldı. METR, bu nedenle okurların nedenlere ilişkin değerlendirmesinin dayanaklarını doğrudan incelemesinin zorlaştığını belirtti.

Anthropic, Ağustos 2026 tarihli risk raporunda otomatik araştırma ve geliştirmeyle bağlantılı riskleri ‘düşük’ olarak değerlendirdi. Değerlendirme 15 Temmuz itibarıyla yapıldı.

METR, bu tarihte felaket düzeyindeki riskin düşük olduğu değerlendirmesine katılırken erken uyarı eşiğinin aşılmış olabileceğini söyledi. Bununla birlikte METR ve Anthropic araştırmacılarının çoğu, eşiğin aşılmadığı görüşüne daha yakındı. METR, bu görüş ayrılığını ayrı bir incelemede ele aldı.

Erken uyarı eşiği, yapay zekâ destekli araştırma ve geliştirmedeki hızlanmaya ilişkin risk işaretlerini izlemek için kullanılıyor; felaket düzeyinde zarar meydana geldiği anlamına gelmiyor. METR’nin değerlendirmesi sınırlı görevlerde gözlenen iyileşme hızını ve hızlanma riskini ele aldı, süper zekâya ulaşılacağı bir tarih vermedi.