Organizacja METR, która przez 11 tygodni analizowała wewnętrzne dane Anthropic, szacuje, że firma poprawia dziś swoje modele mniej więcej dwa razy szybciej niż w okresie od marca 2024 r. do października 2025 r. Według METR około 80 proc. tego przyspieszenia wynika z tego, że Anthropic używa własnej AI do budowania kolejnych modeli, przy czym firma utajniła większość dowodów, które badacze uznali za najmocniejsze.
- Organizacja METR, która przez 11 tygodni analizowała wewnętrzne dane Anthropic, szacuje, że firma przyspieszyła rozwój swoich modeli około 1,9x (przedział ufności 1,5–2,8x) – mierząc wzrost wskaźnika AECI z ok. 15 pkt rocznie przed październikiem 2025 r. do ok. 29 pkt rocznie po tej dacie.
- Według subiektywnego szacunku METR około 80 proc. tego przyspieszenia wynika z wykorzystania własnej AI Anthropic do budowania kolejnych modeli, choć firma utajniła większość najbardziej przekonujących dowodów, w tym szczegółowe dane o poszczególnych etapach trenowania i szacunki postępu algorytmicznego.
- W poprawionym prospekcie emisyjnym S-1/A złożonym w SEC 2 listopada 2026 r. Anthropic poinformował, że wewnętrzne szacunki wskazują, iż firma „może wkrótce osiągnąć" próg „radykalnie przyspieszonego postępu przypisywanego AI" zdefiniowany w jej własnej polityce bezpieczeństwa Responsible Scaling Policy.
Raport opublikowany w czwartek 5 listopada 2026 r. to pierwsza tak szczegółowa próba zmierzenia z zewnątrz zjawiska, o którym branża mówiła od lat: AI, która przyspiesza powstawanie lepszej AI. METR (Model Evaluation and Threat Research) to amerykańska organizacja non-profit, która ocenia możliwości i ryzyka modeli językowych dla największych laboratoriów. Wątek z podsumowaniem raportu METR opublikował na swoim koncie: https://twitter.com/METR_Evals/status/2118417772774580623
We reviewed the “Risks from automated R&D” section of Anthropic’s August 2026 Risk Report, with access to the nonpublic version.
We focus on the report’s claims about catastrophic risks from automated AI R&D and about whether Anthropic had crossed relevant capability thresholds.
— METR (@METR_Evals) November 5, 2026
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
METR szacuje przyspieszenie na 1,3-3x, najbardziej prawdopodobne jest około 2x
METR ocenia, że w październiku 2026 r. Anthropic poprawia możliwości swoich modeli w zadaniach dobrze zdefiniowanych mniej więcej dwukrotnie szybciej niż wcześniej. Autorzy zaznaczają, że niepewność jest duża i nie zdziwiłby ich wynik bliższy 1,3x albo 3x.
Główną liczbą w raporcie jest 1,9x. Tyle wynosi przyspieszenie wzrostu wyników w AECI, czyli wewnętrznej wersji Epoch Capabilities Index, wskaźnika, który łączy wyniki wielu benchmarków w jedną ocenę modelu. Według METR Anthropic zrobił w ciągu ostatniego roku taki postęp na benchmarkach jak wcześniej w dwa lata, mniej więcej od Claude 2.1 do Claude Sonnet 4.5.
| Wskaźnik z raportu METR | Wartość |
|---|---|
| Tempo wzrostu AECI przed październikiem 2025 r. | ok. 15 pkt rocznie |
| Tempo wzrostu AECI po październiku 2025 r. | ok. 29 pkt rocznie |
| Przyspieszenie AECI (95-proc. przedział ufności) | 1,9x (1,5-2,8x) |
| Rozrzut w testach odporności metodologii | 1,1-2,9x |
| Przyspieszenie liczone dla modeli wszystkich czołowych firm | 1,4x |
| Przyspieszenie podane w karcie systemowej Claude Haiku 5.5 | 1,7x |
| Część obecnego przyspieszenia przypisana użyciu AI | ok. 80 proc. (szacunek subiektywny) |
METR podkreśla, że jest pewien jednej rzeczy: przyspieszenie nie wynika z szybszego zwiększania mocy obliczeniowej używanej do trenowania. Szczegóły tego dowodu Anthropic utajnił. Wyższy wynik niż w karcie systemowej Haiku 5.5 bierze się głównie z uwzględnienia nowszych, wewnętrznych modeli, których firma jeszcze nie udostępniła.
Liczba 80 proc. ma inny charakter niż 1,9x. METR nazywa ją wprost subiektywnym przypuszczeniem opartym na kilku rodzajach poszlak. Według raportu wzrost z końca 2025 r. wynikał w dużej mierze z czynników niezwiązanych z AI, takich jak zatrudnianie nowych ludzi. Rola AI miała rosnąć z czasem.
Dla porządku dodam też dane finansowe. Według prospektu giełdowego, na który powołuje się serwis R&D World, Anthropic wydał od początku 2024 r. na badania i rozwój blisko 28 mld dolarów. To tło, na którym trzeba czytać tezę o przyspieszeniu: firma dysponuje ogromnym budżetem, więc wyodrębnienie wpływu samej AI jest wyjątkowo trudne.
Anthropic utajnił większość dowodów, które METR uznał za najważniejsze
Anthropic miał zagwarantowane w umowie prawo do jednostronnego usunięcia z publicznej wersji raportu wszelkich niepublicznych informacji i z niego skorzystał. METR pisze, że mógł swobodnie przedstawić najogólniejsze wnioski. Większość najbardziej przekonujących dowodów zniknęła z tekstu.
Z publicznej wersji usunięto m.in.:
- szczegółowe szacunki przyspieszenia i udziału AI dla poszczególnych etapów trenowania modeli,
- rozbicie postępu na moc obliczeniową, dane i postęp algorytmiczny,
- szacunki postępu algorytmicznego,
- analizy możliwych wąskich gardeł,
- prognozy wyników przyszłego modelu,
- nazwy konkretnych benchmarków.
Autorzy przyznają, że czytelnik musi w tej sytuacji polegać na ich ocenie. Ujmują to tak: „opinia publiczna musi polegać na ocenie METR znacznie bardziej, niż byłoby to idealne” / „the public has to rely on METR’s judgment much more than would be ideal”.
Sam McCandlish, współzałożyciel Anthropic, odpowiedział na raport wpisem na X. Przyznał, że firma utajniła dużo i że utrudnia to innym sprawdzenie pracy METR. Uzasadnił decyzję tym, że ujawnienie przyczyn przyspieszenia byłoby wrażliwe handlowo i mogłoby dać konkurencji gotową mapę. Według relacji Cybernews napisał, że „dzielenie się dokładnie tym, co napędza przyspieszenie, nie jest właściwym krokiem” / „sharing exactly what is driving the speedup isn’t the right thing to do”.
Jest jeszcze jeden szczegół, który mnie zaskoczył. Pierwotna umowa obejmowała też weryfikację, jak Anthropic dzieli moc obliczeniową między rozwój możliwości modeli i badania nad bezpieczeństwem. Firma w trakcie projektu wyłączyła ten element z zakresu prac, zanim METR doszedł do jakichkolwiek wniosków. Anthropic tłumaczył to chęcią skupienia się na ocenie ryzyka i zapowiedział, że wróci do tematu później.
Warunki współpracy METR opisał otwarcie. Nad projektem pracowało 2,5 etatu, badacze przeprowadzili około 15 wywiadów i przygotowali około 100-stronicowy pełny raport. Pracowali na urządzeniach Anthropic, nie mieli dostępu do odpytywania niewydanych modeli i nie wzięli od firmy pieniędzy. Dostali za to darmowe tokeny, które wykorzystali głównie do analizy danych.
Wypełnij formularz, a my skontaktujemy się z Tobą, aby upewnić się czego potrzebujesz.
Wewnętrzny Model 4 przekracza 50 proc. we wszystkich 15 testach
Raport ujawnia, że Anthropic ma co najmniej trzy wewnętrzne modele, których nie udostępnił publicznie. METR nazywa je kodowo Model 2 (trening zakończony w lipcu 2026 r.), Model 3 (sierpień-wrzesień 2026 r.) i Model 4 (wrzesień-październik 2026 r.).
Model 4 osiąga ponad 50 proc. we wszystkich 15 benchmarkach, na których go sprawdzono, a jego wynik AECI to 178,6 pkt. METR przypomina, że jeszcze dziewięć miesięcy wcześniej Claude Opus 4.6 miał wiele testów poniżej tego progu. Autorzy przyznają, że brak trudnych zadań dla Modelu 4 budzi ich niepokój, bo utrudnia pomiar postępu teraz i w przyszłości.
Pracownicy Anthropic sami oceniają swoje przyspieszenie znacznie wyżej niż METR. W nieformalnych ankietach na firmowym Slacku deklarowany wzrost wydajności urósł z około 1,2x przy Claude 3.7 Sonnet w styczniu 2025 r. do około 12x przy Modelu 4 w październiku 2026 r. METR traktuje te dane jako bardzo luźną wskazówkę. Przypomina też własne badanie z 2025 r., w którym doświadczeni programiści open source pracowali z narzędziami AI o 19 proc. wolniej, choć byli przekonani, że pracują szybciej.
Bardziej wiarygodne są według METR wywiady z badaczami. Wypowiedzi 11 osób sklasyfikowano pod kątem tego, czy potwierdzają co najmniej dwukrotne przyspieszenie dzięki AI w ich obszarze pracy:
- tak: 2 osoby,
- raczej tak: 3 osoby,
- niejasno: 4 osoby,
- raczej nie: 0 osób,
- nie: 2 osoby.
Jedna z osób sceptycznych oceniła wkład AI na 15-20 proc. i stwierdziła, że nie wierzy w deklaracje o wzroście wydajności. Według METR prace badawcze przyspiesza dziś głównie AI pomagająca ludziom. W najważniejszych etapach trenowania modeli AI nie wnosi jeszcze dużego, w pełni samodzielnego wkładu. Badacze opisali jednak „oznaki życia” w tym obszarze.
Doceniam, że Anthropic w ogóle wpuścił zewnętrznych badaczy tak głęboko. Żadne inne laboratorium nie pokazało publicznie niczego podobnego. Tylko że czytam ten raport i widzę głównie zakryte fragmenty. Najmocniejsze dowody zniknęły, weryfikacja podziału mocy obliczeniowej między rozwój i bezpieczeństwo została odwołana w połowie projektu, a o tym, co trafia do opinii publicznej, decydowała firma oceniana. To zaufanie na kredyt i trudno mi udawać, że jest inaczej.
Argument McCandlisha o mapie dla konkurencji ma sens. Jeśli AI rzeczywiście przyspiesza budowę AI, przepis na to przyspieszenie jest cenny i niebezpieczny jednocześnie. Tyle że ten sam argument można wykorzystać do utajnienia niemal wszystkiego. Kto ma więc zobaczyć pełne dane? Moim zdaniem odpowiedzią nie może być wyłącznie organizacja, która pracuje na laptopach firmy i może utracić dostęp, jeśli będzie zbyt krytyczna. METR zresztą sam to przyznaje w raporcie.
Najbardziej zastanawia mnie jedno. Pracownicy deklarują dwunastokrotne przyspieszenie, METR szacuje dwukrotne, a jeden z badaczy mówi o kilkunastu procentach. Rozrzut jest ogromny. Jeśli nawet ostrożna wersja jest prawdziwa, to tempo, w jakim zmieniają się narzędzia, z których korzystamy na co dzień, będzie jeszcze szybsze niż w ostatnim roku.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Prospekt giełdowy Anthropic mówi o progu, który może zostać przekroczony „wkrótce”
Raport METR ukazał się trzy dni po tym, jak Anthropic złożył w amerykańskiej Komisji Papierów Wartościowych i Giełd (SEC) poprawiony prospekt emisyjny S-1/A, datowany na poniedziałek 2 listopada 2026 r. Firma dopisała w nim, że jej wewnętrzne szacunki i oczekiwania dotyczące przyszłych modeli wskazują, że „może wkrótce osiągnąć” / „may imminently meet” próg „radykalnie przyspieszonego postępu przypisywanego AI” z własnej polityki bezpieczeństwa. W tym samym akapicie Anthropic zaznacza, że żadnego z obecnych modeli nie uznał za przekraczający ten próg.
Chodzi o Responsible Scaling Policy (RSP), czyli politykę, w której Anthropic opisuje progi ryzyka i zabezpieczenia wymagane po ich osiągnięciu. W obowiązującej wersji próg dotyczący badań nad AI oznacza w uproszczeniu dwukrotne przyspieszenie postępu, czyli dwa lata dotychczasowego tempa w ciągu roku, przy założeniu, że w dużej mierze odpowiada za to automatyzacja badań przez AI. Zjawisko, w którym AI coraz mocniej przyspiesza budowę kolejnych modeli, nazywa się rekurencyjnym samodoskonaleniem (RSI, recursive self-improvement).
Tego samego dnia METR opublikował osobną recenzję sierpniowego raportu o ryzyku przygotowanego przez Anthropic. Firma pisała w nim publicznie, że AI przyspiesza jej badania, choć jeszcze nie dwukrotnie. METR, łącząc tempa wzrostu z niepublicznej wersji dokumentu, wyliczył przyspieszenie na 1,97x i uznał, że trafniej byłoby pisać o „około dwukrotnym” wzroście. Większość zaangażowanych badaczy obu organizacji skłania się jednak ku temu, że stan na 15 lipca 2026 r. nie przekraczał jeszcze progu z RSP.
Kontekst polityczny jest wymowny. Według Associated Press właśnie w czasie, gdy METR prowadził analizę, prezes Anthropic Dario Amodei apelował do branży o spowolnienie prac, tak by zabezpieczenia nadążały za rozwojem modeli. AP podaje też, że Anthropic zapowiedział własną analizę przyspieszenia w najbliższych tygodniach.
Badacz METR przyznaje, że mocno nie docenił tempa przyspieszenia
Ryan Greenblatt, badacz bezpieczeństwa AI pracujący w METR, napisał po publikacji, że raport mocno przesuwa jego oczekiwania w stronę superinteligencji w ciągu roku lub dwóch. Wcześniej spodziewał się w 2026 r. przyspieszenia rzędu 1,15-1,3x. Przyznał wprost: „poważnie się myliłem co do przyspieszenia RSI” / „I was seriously wrong about RSI speed up” (https://twitter.com/RyanGreenblatt/status/2118447235289817503).
Greenblatt zastrzegł jednocześnie, że widział tylko publiczną wersję raportu. Jego zdaniem wszystkie wnioski wykraczające poza samo przyspieszenie wyników benchmarków, w tym to, czy przyspieszenie naprawdę wynika z AI, opierają się w dużej mierze na zaufaniu do autorów. Po własnych obliczeniach oszacował też przyspieszenie samego postępu algorytmicznego na około 3,8x, korygując wcześniejszą wartość 4,5x.
Najbardziej niepokojący dla METR wniosek dotyczy przyszłości. Badacze nie znaleźli przekonujących wąskich gardeł, które w ciągu najbliższych 12 miesięcy zatrzymałyby postęp, czy to w algorytmach, mocy obliczeniowej, czy danych. Uznali więc, że istnieje znaczące ryzyko jeszcze szybszego przyspieszenia w nadchodzącym roku. Zastrzegają przy tym, że ich ocena wąskich gardeł zmieniała się kilka razy w trakcie projektu.
METR wymienia też powody, dla których jego szacunek może być zawyżony. AECI mierzy głównie zadania łatwe do automatycznej oceny, które nie muszą przekładać się na realne zastosowania. Do tego historyczne tempo Anthropic w latach 2023-2025 było niższe niż u konkurencji, co samo w sobie zawyża dzisiejsze porównanie.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
AI Act daje Brukseli narzędzia, których nie ma opinia publiczna
Dla polskich firm i użytkowników Claude’a najważniejsze pytanie brzmi: kto poza Anthropic i METR zobaczy pełne dane. W Unii Europejskiej odpowiedź częściowo daje AI Act. Od 2 sierpnia 2025 r. dostawcy modeli AI ogólnego przeznaczenia z ryzykiem systemowym muszą na mocy art. 55 m.in. oceniać i ograniczać ryzyko systemowe na poziomie Unii oraz zgłaszać poważne incydenty unijnemu Urzędowi ds. AI.
Od 2 sierpnia 2026 r. obowiązuje też art. 90, który pozwala panelowi naukowemu kierować do Urzędu ds. AI tzw. ostrzeżenia kwalifikowane, gdy podejrzewa, że dany model stwarza ryzyko systemowe na poziomie Unii. Komisja może wtedy żądać od dostawcy informacji. Nie wiadomo, czy unijne instytucje otrzymały pełną, nieocenzurowaną wersję raportu METR.
Uważam, że dla polskich firm wnioski są dwa. Przy takim tempie benchmarki, testy i prompty dopracowane pod konkretną wersję modelu będą się starzeć szybciej niż dotąd. Druga sprawa jest poważniejsza: jeśli najważniejsze dane o ryzyku zostają za zamkniętymi drzwiami firmy przed debiutem giełdowym, rola europejskiego nadzoru przestaje być teoretyczna.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym raportu METR: Independent Assessment of AI R&D Acceleration at Anthropic in October 2026 z dnia 05.11.2026, recenzji METR dotyczącej sierpniowego raportu o ryzyku Anthropic z tego samego dnia oraz Cybernews. Wykorzystano także relacje Associated Press, R&D World i The Gadgeteer (fragmenty prospektu S-1/A z 02.11.2026), wpisy z AI Alignment Forum oraz polskojęzyczny tekst AI Act.
Cytaty z raportu METR i wpisu Ryana Greenblatta zostały zweryfikowane z oryginalnym anglojęzycznym materiałem źródłowym. Cytat Sama McCandlisha, współzałożyciela Anthropic, pochodzi z jego wpisu na X w relacji Cybernews i Associated Press.
Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl.
Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o tempie rozwoju modeli Anthropic, zapowiedzianej analizie firmy i aktualizacji jej Responsible Scaling Policy.
