METR verbrachte 11 Wochen bei Anthropic. Die Zahl ist 1.9, und der Großteil der Belege ist geschwärzt.

METR hat diesen Monat eine unabhängige Bewertung veröffentlicht, ob KI die KI-Forschung beschleunigt, gestützt auf elf Wochen ungewöhnlichen Zugangs im Inneren von Anthropic. Die zentrale Schätzung lautet, dass der gemessene Fähigkeitsfortschritt von Anthropic seit einem Wendepunkt im Oktober 2025 etwa 1.9-mal so schnell verlief wie zuvor, mit einem 95-Prozent-Konfidenzintervall von 1.5 bis 2.8.
In Indexwerten: vorher etwa 15 AECI-Punkte pro Jahr, danach etwa 29. Das sind zwei Jahre historischer Fortschritt, in eines komprimiert. METR vergleicht die Größenordnung mit dem Sprung von Claude 2.1 auf Sonnet 4.5.
Die zweite Schlagzeile ist, dass rund 80 Prozent der Beschleunigung darauf zurückgehen, dass KI in der eigenen Forschung von Anthropic eingesetzt wird. Die dritte ist, dass Anthropic den Großteil der Belege geschwärzt hat, die METR als am aussagekräftigsten bewertete.
Diese drei Sätze muss man zusammen lesen, und fast niemand liest sie zusammen.
Wie der Zugang aussah
Vom 12. August bis 29. Oktober hatte ein Team von etwa zweieinhalb Vollzeitkräften Zugang zu Pretraining- und RL-Metriken, Trainings-Compute-Zahlen, internen Benchmark-Werten nicht veröffentlichter Modelle, internen Beschleunigungsanalysen, Modellprognosen sowie rund fünfzehn Interviews mit Anthropic-Forschern und Mitarbeiterbefragungen. METR nahm kein Geld vom Unternehmen und arbeitete aus Sicherheitsgründen auf Anthropic-Geräten.
Die Analyse umfasste drei nicht veröffentlichte Modelle, deren Training zwischen Juli und Oktober 2026 abgeschlossen wurde. Das ist der Punkt, der sie von jeder früheren externen Evaluierung unterscheidet, die nur ausgelieferte Modelle und öffentliche Benchmarks betrachten konnte.
METR nennt außerdem einen negativen Befund, der ebenso viel zählt wie der positive: Es ist zuversichtlich, dass die Beschleunigung nicht durch schnelleres Wachstum des Trainings-Compute erklärt wird. Etwas an der Art, wie die Arbeit erledigt wird, hat sich verändert, jenseits der Frage, wie viel Hardware darauf gerichtet wurde.
Die 80 Prozent sind ein Urteil, keine Messung
Es gibt kein Instrument, das abliest, „wie viel dieser Beschleunigung von KI kam“. METR kombinierte Benchmark-Verläufe, Trainingsmetriken, Interviews und Befragungen und kam zu einer Attributionsschätzung.
Das Interviewmaterial ist der konkreteste Teil. Ein Forscher sagte METR, die Arbeit sei „jetzt nur noch durch Ideen und Compute begrenzt, nicht mehr durch Code“. Andere berichteten, Experimente, deren Aufbau früher ein bis zwei Tage dauerte, seien heute nahezu kostenlos. In informellen Slack-Umfragen vom Oktober 2026 schätzten Mitarbeiter, das neueste interne Modell mache sie etwa zwölfmal produktiver. Zum Vergleich: Derselbe Wert lag bei Claude 3.7 Sonnet bei etwa 1.2-mal.
METR nennt diese Selbsteinschätzungen sehr weiche Belege, nicht repräsentativ und geeignet, den tatsächlichen Gewinn zu überschätzen. Zwölfmal ist die Art von Zahl, die Menschen berichten, wenn eine früher lästige Aufgabe nicht mehr lästig ist, und sie übersteht keinen Kontakt mit einer Stoppuhr.
Der ehrliche Zustand der Behauptung ist also: Ein großer Teil, wahrscheinlich der meiste, plausibel 80 Prozent, einer 1.9-fachen Beschleunigung geht auf KI-Unterstützung zurück. Jedes Wort in diesem Satz leistet Arbeit.
Die Schwelle hat eine Zahl, und das ist das Problem
Anthropics Responsible Scaling Policy Version 3.4 trat am 8. Juli 2026 in Kraft. Sie nennt zwei Auslöser mit Bezug zu automatisierter Forschung: ein KI-System, das die Forschungsbelegschaft des Unternehmens zu wettbewerbsfähigen Kosten ersetzen kann, oder eine Verdopplung des Fortschrittstempos, die plausibel wesentlich auf Automatisierung von Forschung oder Engineering zurückgeht. Die Policy definiert eine Verdopplung als das Erreichen des Fortschritts in einem Jahr, der sonst zwei brauchen würde.
Eine Policy, die einen Faktor zwei nennt, erzeugt eine naheliegende Frage, wenn ein Prüfer 1.97 berichtet. Anthropics öffentlicher Bericht vom August 2026 sagte, die Beschleunigung sei „weniger als Faktor 2“. Die eigene ungeschwärzte interne Version impliziert 1.97, so die Berichterstattung über die Bewertung. Das Unternehmen hat das Überschreiten der Schwelle als plausibel bezeichnet. In einer Einreichung vom 2. November bei der US Securities and Exchange Commission erklärte es, es „könne die eigene Definition dramatisch beschleunigten Fortschritts in Kürze erfüllen“.
METR urteilte separat, es sei plausibel, dass die Frühwarnschwelle bereits bis zum 15. Juli überschritten worden sei.
Lesen Sie diese Abfolge noch einmal, denn sie ist seltsam. Ein Unternehmen schrieb eine Regel mit einer Zahl darin. Ein externer Prüfer mit internem Zugang schätzte einen Wert knapp unter der Zahl. Das Unternehmen teilte den Aufsichtsbehörden dann mit, es könnte die Zahl bald überschreiten. Niemand hat gesagt, die Schwelle sei überschritten.
Das ist nicht zwangsläufig Ausweichen. Anthropic beschreibt die Schwelle als Frühwarnung und nicht als Beweis, dass schweres Risiko eingetreten ist, und erklärt, noch nicht bei vollständig autonomer Entwicklung seiner Nachfolger zu sein. Eine Policy-Schwelle, die auslöst, soll Schutzmaßnahmen aktivieren, und die Frage, welche, ist eine echte Frage, die sich nicht in einer Pressemitteilung beantworten lässt.
Aber es bedeutet, dass der Mechanismus derzeit Erklärungen statt Handlungen hervorbringt, und die Erklärungen sind sorgfältig mit Vorbehalten versehen.
Die Schwärzungen sind die Geschichte
METR sagt, Anthropic habe den Großteil des Materials zurückgehalten, das die Prüfer als am aussagekräftigsten bewerteten, darunter Prognosen zu künftigen Modellen und die Engpassanalyse. Ein geplanter Teil der Prüfung, der behandeln sollte, wie das Unternehmen Compute zwischen Fähigkeits- und Sicherheitsforschung aufteilt, wurde mittendrin abgesagt.
Die Folge ist konkret. Die Öffentlichkeit kann die Schätzung nicht prüfen. Die Zahl 1.9 hängt von der Benchmark-Auswahl ab, davon, wo der Wendepunkt gesetzt wird, und von Annahmen zur Aufgabenschwierigkeit. METRs eigene Sensitivitätsanalyse verschiebt die Schätzung je nach diesen Annahmen zwischen 1.1 und 2.9.
Und es gibt eine zweite Zahl, die weniger Aufmerksamkeit bekommt. Als METR Anthropic mit Frontier-Modellen aller Entwickler verglich statt mit Anthropics eigener Geschichte, stieg das geschätzte Tempo von etwa 17 auf 24 Punkte pro Jahr, also 1.4-mal. METR deutet an, der Unterschied könne widerspiegeln, dass Anthropic von hinter der Frontier aufholt, oder Unterschiede darin, wie frühere Modelle auf Benchmarks abgestimmt wurden.
1.9 für ein Unternehmen. 1.4 für das Feld. Beides sind Beschleunigungen. Nur eine davon ist nahe daran, eine Policy auszulösen, die um einen Faktor zwei herum geschrieben ist.
Was das prüfbar machen würde
Die ehrliche Antwort ist, dass nichts im veröffentlichten Material einen Außenstehenden die Analyse reproduzieren lässt, und dass das ein strukturelles Merkmal der Bewertung eines Privatunternehmens ist, kein Mangel in METRs Arbeit.
Was das ändern könnte: die Zusammensetzung und Gewichtung des AECI-Benchmarks veröffentlichen, damit der Index außerhalb des Gebäudes etwas bedeutet. Die Methodik des Wendepunkts freigeben. Einen zweiten Prüfer das geschwärzte Material zu denselben Bedingungen sehen lassen. Und die zwei Fragen trennen, die derzeit verschmolzen sind, nämlich ob der Fortschritt sich beschleunigt hat und ob KI ihn verursacht hat. Die erste ist messbar. Die zweite ist eine Schlussfolgerung.
Es gibt auch eine Frage, die METR aufwirft und nicht beantwortet. Es fand keine Engpässe, die das Tempo in den nächsten zwölf Monaten bremsen würden, was bedeutet, dass weitere Beschleunigung ein reales Risiko ist und keine geklärte Frage. Hält die aktuelle Rate und setzt sich die Verzinsung fort, hört der Faktor zwei auf, eine Schwelle zu sein, und wird eine Beschreibung.
Für alle außerhalb der Labore ist die praktische Schlussfolgerung enger, als die Schlagzeilen nahelegen. KI ist derzeit ein Beschleuniger für menschliche Forscher. Sie betreibt keine autonome Forschung. Die Lücke zwischen diesen beiden Aussagen ist der Ort, an dem die ganze politische Debatte tatsächlich lebt, und METRs Bericht, Schwärzungen eingeschlossen, ist die präziseste Beschreibung dieser Lücke, die jemand veröffentlicht hat.
Verwandte Artikel
Eine community-gepflegte Tabelle von Taps, die Werbung in chinesischen Android-Builds abschaltet
Es fasst das System nicht an, entsperrt nichts, flasht nichts. Es legt nur die Schalter um, die die Hersteller ohnehin vorgesehen haben. Der Preis ist eine Liste, die jemand weiterführen muss.
GPT Image 2.6 hielt den Tokenpreis und erhöhte die Rechnung
GPT Image 2.6 übernimmt jeden Tokenpreis von 2.5 und kostet pro Bild dennoch mehr, weil ein größerer Teil der Arbeit in Ausgabe-Token landet. Elf Tage nach dem Start sagt die Preisstruktur mehr als jede Rangliste.
Jemand hat IDM von außen nachgebaut und aufgeschrieben, was er nicht angefasst hat
Eine Rust-Neuimplementierung von Internet Download Manager verspricht 5x Tempo und 86 Sprachen. Das interessantere Dokument ist der Absatz, der erklärt, wie sie ohne jede Kopie entstanden ist.
Rune ist ein Rust-UI-Framework, das gebaut wurde, damit ein Agent seine eigene Arbeit prüfen kann
Rune rendert headless, gibt seinen Elementbaum aus und nimmt geskriptete Eingaben an. Damit bekommt ein Coding-Agent ein Signal zum Diffen, das ein Screenshot nie liefert. Das Framework ist Pre-Release und nimmt keine Pull Requests an.