Anthropic заявила в форме S-1, что может в ближайшее время достичь порога «резко ускоренного прогресса благодаря AI» из своей Responsible Scaling Policy. Действующая версия документа определяет его как удвоение максимального устойчивого темпа развития возможностей по сравнению с периодом до заметного вклада AI в исследования и разработку. Причина должна быть связана прежде всего с автоматизацией, а не просто с ростом вычислительных ресурсов.
По публичному отчёту METR, с октября 2025 по октябрь 2026 года возможности моделей Anthropic развивались примерно вдвое быстрее, чем за предыдущие 12 месяцев. Измерение опиралось на внутренний вариант Epoch Capabilities Index под названием AECI. Значительная часть подтверждающих данных скрыта, включая, по словам авторов отчёта, большинство наиболее информативных свидетельств.
Автор независимого разбора, сотрудник METR, который не участвовал в исследовании и не видел полную версию, считает порог уже пройденным. Он оценивает вклад автоматизации как вероятную основную причину сохраняющегося ускорения, хотя на начальном этапе могли действовать несколько факторов.
Его расчёты показывают масштаб возможного эффекта для исследователей. Общие возможности зависят и от вычислений, и от алгоритмических улучшений, поэтому удвоение общего прогресса требует более чем двукратного роста эффективности алгоритмов — по прикидке автора, примерно в 2,5–3 раза. Если труд и вычисления для экспериментов одинаково важны в простой модели Cobb–Douglas, производительность исследовательского труда должна вырасти примерно в 4–9 раз. С учётом того, что простые идеи находят всё быстрее и дальнейшие открытия усложняются, текущий необходимый прирост может приближаться к десятикратному. Это очень неопределённая оценка, но она близка к неформальным сообщениям сотрудников Anthropic о двенадцатикратном ускорении работы с внутренними моделями.
Автор не нашёл в отчёте доказательств узких мест, которые обязательно остановят нарастающее ускорение. При этом его дальнейшие сценарии быстрого роста возможностей и рисков являются личными прогнозами, а не выводами METR. Он называет защиту весов моделей и алгоритмических секретов минимальным условием безопасности и критикует закрытость данных: внешние исследователи не могут самостоятельно проверить доказательства и построить альтернативные модели.