Η AI επιταχύνει την ανάπτυξη νέας AI: Τι έδειξε ο έλεγχος 11 εβδομάδων στην Anthropic

Με μια ματιά

• Η METR υπολογίζει ότι ο ρυθμός βελτίωσης των μοντέλων της Anthropic έχει αυξηθεί περίπου 1,9 φορές.
• Μεγάλο μέρος της επιτάχυνσης αποδίδεται στη χρήση AI από ανθρώπινους ερευνητές, όχι σε πλήρως αυτόνομα συστήματα.
• Η Anthropic απέκρυψε κρίσιμα τεκμήρια της αξιολόγησης, περιορίζοντας τη δημόσια δυνατότητα επαλήθευσης.

Η τεχνητή νοημοσύνη δεν χρησιμοποιείται πλέον μόνο για να γράφει κείμενα ή κώδικα. Σε ένα από τα μεγαλύτερα εργαστήρια του κλάδου βοηθά ήδη τους επιστήμονες να κατασκευάζουν την επόμενη γενιά μοντέλων. Και, σύμφωνα με νέα ανεξάρτητη αξιολόγηση, η διαδικασία αυτή μπορεί να επιταχύνει αισθητά την ίδια την πρόοδο της AI. Το ερώτημα δεν είναι αν οι μηχανές «απέκτησαν συνείδηση», αλλά πόσο γρήγορα μπορεί να μικραίνει ο χρόνος ανάμεσα σε δύο τεχνολογικά άλματα — και ποιος είναι σε θέση να ελέγχει όσα συμβαίνουν.

Η μη κερδοσκοπική ερευνητική οργάνωση METR δημοσίευσε στις 5 Νοεμβρίου 2026 τα συμπεράσματα ελέγχου που πραγματοποίησε στην Anthropic από τις 12 Αυγούστου έως τις 29 Οκτωβρίου. Οι ερευνητές είχαν πρόσβαση σε μη δημοσιευμένες μετρήσεις, στοιχεία εκπαίδευσης μοντέλων και συνεντεύξεις προσωπικού. Πρόκειται για ασυνήθιστα βαθιά εξωτερική ματιά σε μια βιομηχανία που συνήθως κρατά κλειστά τα εργαστήριά της.

Τι σημαίνει πραγματικά το «1,9 φορές ταχύτερα»

Η METR διαπίστωσε ότι, από τον Οκτώβριο του 2025, οι επιδόσεις των μοντέλων της Anthropic σε έναν σύνθετο δείκτη δοκιμασιών, τον AECI, βελτιώνονται με ρυθμό περίπου 1,9 φορές μεγαλύτερο από τον προηγούμενο. Το εκτιμώμενο διάστημα εμπιστοσύνης 95% εκτείνεται από 1,5 έως 2,8 φορές. Με απλούστερα λόγια, στον συγκεκριμένο δείκτη η εταιρεία φαίνεται να πέτυχε μέσα σε έναν χρόνο πρόοδο αντίστοιχη με περίπου δύο προηγούμενα χρόνια.

Αυτό δεν σημαίνει ότι κάθε νέο Claude είναι «δύο φορές εξυπνότερο», ούτε ότι ολοκληρώνει οποιαδήποτε εργασία στον μισό χρόνο. Μετριέται η μεταβολή του ρυθμού βελτίωσης σε ορισμένα benchmarks, όχι ένας καθολικός δείκτης νοημοσύνης ή παραγωγικότητας. Οι ίδιοι οι αξιολογητές τονίζουν ότι η μέθοδος ενδέχεται να υπερεκτιμά ή να υποεκτιμά την πρόοδο στον πραγματικό κόσμο.

Το κρίσιμο εύρημα: Δεν εξηγείται μόνο από περισσότερους υπολογιστές

Για χρόνια, η ανάπτυξη ισχυρότερων μοντέλων συνδεόταν με μεγαλύτερα υπολογιστικά συστήματα, περισσότερα δεδομένα και ακριβότερη εκπαίδευση. Η METR αναφέρει ότι έχει πειστικά στοιχεία πως η πρόσφατη επιτάχυνση δεν οφείλεται σε ταχύτερη αύξηση της υπολογιστικής ισχύος εκπαίδευσης. Αντίθετα, εκτιμά —με σημαντική αβεβαιότητα— ότι το μεγαλύτερο μέρος της σημερινής επιτάχυνσης, ίσως περίπου 80%, σχετίζεται με την αξιοποίηση AI στην έρευνα και ανάπτυξη.

Η πρακτική εικόνα είναι λιγότερο κινηματογραφική από ένα πρόγραμμα που δημιουργεί μόνο του τον διάδοχό του. Οι ερευνητές χρησιμοποιούν μοντέλα για προγραμματισμό, υλοποίηση πειραμάτων, ανάλυση και επιτάχυνση επαναλαμβανόμενων εργασιών. Οι άνθρωποι εξακολουθούν να καθοδηγούν τις σημαντικότερες αποφάσεις. Η METR δηλώνει ρητά ότι η AI δεν είναι ακόμη ικανή να αναλαμβάνει πλήρως αυτόνομα καθοριστικές εργασίες στα πιο κρίσιμα στάδια εκπαίδευσης.

Γιατί το «12 φορές παραγωγικότεροι» χρειάζεται αστερίσκο

Ένα εντυπωσιακό στοιχείο προέρχεται από άτυπες ψηφοφορίες εργαζομένων στο Slack: ορισμένοι δήλωσαν ότι με το ισχυρότερο εσωτερικό μοντέλο εργάζονταν κατά μέσο όρο περίπου 12 φορές ταχύτερα. Όμως η METR θεωρεί αυτές τις αυτοαναφορές χαλαρή και αναξιόπιστη ένδειξη, όχι ανεξάρτητη μέτρηση πραγματικής παραγωγικότητας. Ο αριθμός δεν μπορεί να μεταφερθεί αυτούσιος σε μια επιχείρηση, μια σύνταξη ειδήσεων ή την οικονομία συνολικά.

Εξάλλου, η αξιολόγηση περιέλαβε τρία νεότερα μοντέλα που είχαν ολοκληρώσει την εκπαίδευσή τους αλλά δεν είχαν κυκλοφορήσει δημόσια: τα προσωρινά αποκαλούμενα Model 2, Model 3 και Model 4. Επομένως, μέρος της προόδου αφορά εργαλεία στα οποία δεν έχουν πρόσβαση οι συνηθισμένοι χρήστες. Η σύγκριση αποκλειστικά με τα δημόσια διαθέσιμα μοντέλα θα έδινε διαφορετική εικόνα.

Η μεγάλη αντίφαση της διαφάνειας

Η Anthropic επέτρεψε έναν εκτεταμένο εξωτερικό έλεγχο, αλλά είχε δικαίωμα να αφαιρέσει εμπιστευτικά στοιχεία πριν από τη δημοσίευση. Σύμφωνα με τη METR, η εταιρεία απέκρυψε το μεγαλύτερο μέρος των τεκμηρίων που οι αξιολογητές θεωρούσαν πιο χρήσιμα για τα συμπεράσματά τους. Η Anthropic υποστήριξε ότι η δημοσιοποίηση λεπτομερειών θα μπορούσε να βοηθήσει ανταγωνιστές να επιταχύνουν τη δική τους ανάπτυξη.

Η θέση αυτή αναδεικνύει πραγματικό δίλημμα: πόση πληροφορία χρειάζεται να δημοσιοποιηθεί ώστε ένας ανεξάρτητος έλεγχος να είναι ελέγξιμος, χωρίς να αποκαλύπτονται εμπορικά μυστικά ή ευαίσθητες τεχνικές; Η METR αναγνωρίζει τη σημαντική πρόσβαση που της παραχωρήθηκε, αλλά προειδοποιεί ότι το κοινό αναγκάζεται τελικά να εμπιστευτεί περισσότερο την κρίση της παρά τα δημοσιευμένα πρωτογενή στοιχεία. Επιπλέον, ένα αρχικά προβλεπόμενο σκέλος ελέγχου της κατανομής υπολογιστικών πόρων μεταξύ ανάπτυξης δυνατοτήτων και ασφάλειας αφαιρέθηκε από την αξιολόγηση.

Είναι αυτή η αρχή της αυτοβελτίωσης;

Ο όρος recursive self-improvement περιγράφει έναν ενδεχόμενο κύκλο όπου καλύτερη AI βοηθά στην παραγωγή ακόμη καλύτερης AI, η οποία με τη σειρά της επιταχύνει την επόμενη γενιά. Τα νέα ευρήματα προσφέρουν ενδείξεις για έναν τέτοιο μηχανισμό με ανθρώπους ακόμη στο κέντρο της διαδικασίας. Δεν αποδεικνύουν ανεξέλεγκτη, πλήρως αυτόνομη αυτοβελτίωση, ούτε επιτρέπουν ασφαλή πρόβλεψη για το πότε αυτή θα μπορούσε να εμφανιστεί.

Στη δική της πολιτική υπεύθυνης κλιμάκωσης, η Anthropic αντιμετωπίζει την αυτοματοποίηση της έρευνας ως ξεχωριστή κατηγορία κινδύνου. Η METR, από την πλευρά της, δεν εντόπισε σαφές εμπόδιο που να αποκλείει περαιτέρω επιτάχυνση τον επόμενο χρόνο, αλλά υπογραμμίζει ότι μπορεί να της διαφεύγουν κρίσιμοι περιορισμοί. Αυτό είναι αξιολόγηση κινδύνου, όχι βεβαιότητα για το μέλλον.

Για επιχειρήσεις, δημόσιους οργανισμούς και δημοσιογραφικά μέσα, το πρακτικό συμπέρασμα δεν είναι να κυνηγούν κάθε νέο μοντέλο. Είναι να διατηρούν διαδικασίες επανελέγχου, ανθρώπινη ευθύνη και δυνατότητα αντικατάστασης εργαλείων χωρίς να καταρρέουν οι ροές εργασίας. Όταν η τεχνολογία αλλάζει ταχύτερα, η αξία της ανεξάρτητης αξιολόγησης μεγαλώνει. Και το ίδιο μεγαλώνει η ανάγκη να ξεχωρίζουμε όσα έχουν μετρηθεί από όσα απλώς προβλέπονται.