← ブログに戻る
Ai読了目安 14 分

METRはAnthropicの内部で11週間を過ごした。数字は1.9、そして証拠の大半は黒塗りだ。

公開日 2026年11月7日
METRはAnthropicの内部で11週間を過ごした。数字は1.9、そして証拠の大半は黒塗りだ。

METRは今月、AIがAI研究を加速させているかどうかについての独立評価を公表しました。根拠は、Anthropicの内部で11週間にわたり得た異例のアクセスです。主要な推定は、Anthropicの測定可能な能力の進歩が、2025年10月の変化点以降、以前の約1.9倍の速さで進んでいるというもので、95パーセント信頼区間は1.5から2.8です。

指数で言えば、以前は年に約15 AECIポイント、その後は約29ポイントです。歴史的な2年分の進歩を1年に圧縮したことになります。METRはこの大きさをClaude 2.1からSonnet 4.5への跳躍に例えています。

第二の要点は、加速の約80パーセントが、Anthropic自身の研究でAIが使われていることに起因するという点です。第三は、METRが最も情報量が多いと評価した証拠の大半をAnthropicが黒塗りにしたという点です。

この3つの文は一緒に読まなければなりません。そして、ほとんど誰も一緒に読んでいません。

アクセスの実態

8月12日から10月29日まで、約2.5人分のフルタイムスタッフのチームが、事前学習とRLの指標、学習計算量の数値、未公開モデルの社内ベンチマークスコア、社内の加速分析、モデル予測、そしてAnthropicの研究者への約15件のインタビューとスタッフ調査にアクセスしました。METRは同社から資金を受け取らず、安全上の理由からAnthropicのデバイス上で作業しました。

分析は、2026年7月から10月の間に学習を終えた3つの未公開モデルを対象としています。これが、これまでのあらゆる外部評価と異なる点です。従来は公開済みのモデルと公開ベンチマークしか見られませんでした。

METRは、肯定的な結論と同じくらい重要な否定的な所見も示しています。加速は学習計算量の伸びが速くなったことでは説明できない、と確信しているというものです。どれだけハードウェアを投入したかとは別に、仕事の進め方そのものが変わりました。

80パーセントは測定ではなく判断だ

「この加速のどれだけがAI由来か」を読み取る計器は存在しません。METRはベンチマークの軌跡、学習指標、インタビュー、調査を組み合わせ、帰属の推定値に到達しました。

最も具体的なのはインタビュー資料です。ある研究者はMETRに、仕事は「今やアイデアと計算量だけがボトルネックで、コードはもうボトルネックではない」と語りました。以前は準備に1日から2日かかっていた実験が、今ではほぼ無料になったと報告する人もいます。2026年10月の非公式なSlack投票では、スタッフは最新の社内モデルによって生産性が約12倍になったと見積もりました。比較すると、同じ指標はClaude 3.7 Sonnetでは約1.2倍でした。

METRはこうした自己評価を、非常に緩い証拠であり、代表性がなく、実際の利得を過大に見積もる可能性が高いと述べています。12倍というのは、かつて面倒だった作業が面倒でなくなったときに人が報告する種類の数字であり、ストップウォッチを当てると持ちこたえません。

したがってこの主張の正直な状態はこうです。1.9倍の加速の大きな部分、おそらく大部分、あり得る話として80パーセントが、AIの支援に由来する。その文の一語一語が仕事をしています。

閾値には数字があり、それが問題だ

AnthropicのResponsible Scaling Policyバージョン3.4は、2026年7月8日に発効しました。そこには自動化された研究に関する2つのトリガーが挙げられています。競争力のあるコストで同社の研究スタッフを代替できるAIシステム、あるいは進歩のペースが倍増し、それが相当程度、研究またはエンジニアリングの自動化に帰属できる場合です。政策は倍増を、本来2年かかる進歩を1年で成し遂げることと定義しています。

2倍という係数を明記した政策は、監査人が1.97と報告したときに明らかな疑問を生みます。Anthropicの2026年8月の公開報告は、加速は「2倍未満」だと述べていました。同社自身の黒塗りされていない社内版は1.97を示唆していると、この評価についての報道は伝えています。同社は閾値を超えることはあり得ると説明してきました。11月2日に米国証券取引委員会へ提出した文書では、劇的に加速した進歩に関する自社の定義に「差し迫って該当する可能性がある」と述べています。

METRは別途、早期警告の閾値が7月15日までにすでに超えられていた可能性が高いと判断しました。

この順序をもう一度読んでください。奇妙だからです。ある企業が数字入りの規則を書きました。内部アクセスを持つ外部監査人が、その数字をわずかに下回る値を推定しました。そして企業は規制当局に、まもなくその数字を超えるかもしれないと伝えました。閾値が超えられたと誰も言っていません。

それは必ずしも回避ではありません。Anthropicはこの閾値を、深刻なリスクが到来した証拠ではなく早期警告として位置づけており、後継モデルの完全自律的な開発にはまだ達していないと述べています。発動する政策の閾値はセーフガードを起動することになっていますが、どのセーフガードかという問いは、プレスリリースでは答えられない現実の問いです。

しかしそれは、この仕組みが現在、行動ではなく声明を生み出しており、その声明が入念に留保付きで書かれていることを意味します。

黒塗りこそが本題だ

METRは、評価者にとって最も情報量が多かった資料の大半をAnthropicが伏せたと述べています。将来のモデル予測やボトルネック分析が含まれます。企業が能力研究と安全研究の間で計算資源をどう配分するかを扱う、監査の予定された部分は途中で中止されました。

結果は具体的です。公衆はこの推定を検証できません。1.9という数字は、ベンチマークの選択、変化点をどこに置くか、タスク難度に関する仮定に依存します。METR自身の感度分析では、それらの仮定次第で推定値は1.1倍から2.9倍の間で動きます。

そして、あまり注目されないもう一つの数字があります。METRがAnthropicを同社自身の歴史ではなく、すべての開発者のフロンティアモデルと比較したとき、推定ペースは年に約17ポイントから24ポイントへ、つまり1.4倍に上がりました。METRはこの差が、Anthropicがフロンティアの後方から追いついていることを反映している可能性、あるいは以前のモデルがベンチマークに合わせて調整された度合いの違いを反映している可能性を示唆しています。

一企業について1.9。分野全体について1.4。どちらも加速です。2倍を軸に書かれた政策の発動に近いのは、そのうち一つだけです。

何があれば検証可能になるか

正直な答えは、公表された資料の中に外部の人間がこの分析を再現できるものは何もなく、それはMETRの仕事の欠陥ではなく、民間企業を評価することの構造的な特徴だというものです。

変え得るものはこうです。AECIベンチマークの構成と重みを公開し、この指数が建物の外でも意味を持つようにすること。変化点の方法論を公開すること。2人目の評価者が同じ条件で黒塗り資料を見られるようにすること。そして現在混ざり合っている2つの問い、つまり進歩が加速したかどうかと、AIがそれを引き起こしたかどうかを切り分けること。前者は測定可能で、後者は推論です。

METRが提起して答えていない問いもあります。今後12か月にペースを緩めるボトルネックは見つからなかったということで、これはさらなる加速が決着した問いではなく現実のリスクであることを意味します。現在の速度が続き複利が働けば、2倍は閾値であることをやめ、記述になります。

ラボの外にいる人にとって、実用的な結論は見出しが示すより狭いものです。AIは現在、人間の研究者の加速剤です。自律的な研究を行っているわけではありません。この2つの文の間の隔たりこそ、政策論争が実際に存在する場所であり、METRの報告は黒塗りを含めて、その隔たりについて誰かが公表した最も精密な記述です。

関連記事