2026 年 11 月 5 日，METR 在官網發布了 〈Independent Assessment of AI R&D Acceleration at Anthropic in October 2026〉。這份 METR AI 研發加速評估提出一個值得認真追問的訊號：Anthropic 的內部能力指數進步得更快，而 AI 很可能正在推動其中相當一部分。難題是，外界能看見的證據，仍不足以把每一段因果鏈重新算一遍。
先抓住三個問題：模型是否進步得更快？加速有多少來自 AI？這是否代表 AI 已能自主打造下一代模型？它們需要不同證據。以下先讀懂原文的數字，再檢查量測與歸因，最後看哪些後續資料值得追。
一、METR AI 研發加速：1.9 倍量到什麼？
原文的主要統計結果是：自 2025 年 10 月以來，Anthropic 模型的 AECI 趨勢斜率約為先前的 1.9 倍，95% 信賴區間為 1.5～2.8 倍。這是 METR 使用公司提供的內部模型與評測資料所得的估計，以可明確評分的任務為主要證據，不能直接讀成所有工作快了 90%。
Epoch AI 的 ECI 說明指出，這類指數會把多項 benchmark 成績合成一把能力尺；數值本身是抽象尺度。Anthropic 在 Haiku 5.5 系統卡第 20 頁也明確說，AECI 使用內部評測結果，分數不能直接與 Epoch 公開排行榜相比。這個交叉核對支持的是尺的性質，並未獨立重現 METR 的 1.9 倍。
用原圖的近似斜率算一次就明白：29 ÷ 15 ≈ 1.93。原本一年走 15 格，後來一年走 29 格，所以叫進步速度接近兩倍。這與「模型的智力是原本兩倍」、每位使用者省下一半工時，都不是同一個量。
信賴區間也有範圍。METR 的附錄說，趨勢區間納入每個模型 AECI 分數的不確定性，但未納入選擇哪些模型進入擬合的抽樣不確定性。換用不同的能力分數轉換假設，點估計可落在 1.1～2.9 倍；納入其他開發者的前沿模型，報告中的趨勢估計則約為 1.4 倍。統計區間不能包辦方法選擇與基準期的所有疑問。
二、最難的一步：把加速歸因給 AI
METR 的整體判斷是，截至 2026 年 10 月，多數當下的加速很可能來自 AI；報告給出「或許約八成」的主觀猜測，同時保留很大的不確定性。這裡的分母是當下的加速，不是全部研發產出，也不是八成工作已自動化。
The counterfactual growth rate we can only guess at.
中文：至於沒有 AI 時的反事實成長率，我們只能推估。
METR，報告附錄的方法說明
這句話是讀整份報告的關鍵。要估 AI 的貢獻，理想上要知道同一批人、同一時間、同一筆算力，在不使用 AI 時能走多快。那條平行時間線無法直接觀察；研究者只能靠投入變化、訪談、工作紀錄與不同指標拼出來。
METR 表示，它看過足以讓團隊有信心排除「訓練算力成長速度再次加快」作為加速原因的證據，但細節遭刪節。讀者可以忠實記下這項評估結論，卻不能把它升格為公眾已獨立驗算的事實。即使排除一個解釋，招募、資料、演算法或先前瓶頸解除等其他因素，仍需要另外分辨。
三、員工覺得快 12 倍，為何不能直接換成研究加速？
報告呈現的 2026 年 10 月內部 Slack 投票，自報效率提升平均約達 12 倍。METR 自己將這類資料定位為很鬆散的證據：參與者可能不具代表性，回答也未必經過仔細計算。這是感受與自評的紀錄，並非帶有無 AI 對照的工時量測。
想像一次研究循環：提出假設、寫程式、排隊跑實驗、看結果、決定下一步。若寫程式很快完成，等待實驗與判讀結果仍然會佔時間；同樣地，多跑十次實驗也可能全部失敗。應該追的是每單位時間得到多少通過驗證、有價值的新知，而不只是程式碼、Token 或嘗試數。
這不是說自評毫無價值。它能指向工作流在哪裡改變，之後再用完成時間、驗收品質與失敗紀錄檢查。METR 在 2025 年開源開發者隨機對照研究中，已展示主觀感受與實際耗時可能朝不同方向走；那是早期工具、特定開發者與儲存庫的結果，不能拿來推翻 2026 年 Anthropic 的內部研究情境。它提供的是量測上的提醒。
自主性也要分開看。Anthropic 的 研發量測文章以 2026 年 8 月資料自報，Claude 在 26% 的研發工作達到「AI 主導、人類監督」層級；當時量測的工作子集仍未達完全自主。這是公司對自動化程度的盤點，與本次 METR 對進步速度的評估不同。想看兩者差別，可對照 研發自動化指數解析。
四、獨立評估的份量，與刪節留下的缺口
依 METR 披露，這次評估在 2026 年 8 月 12 日至 10 月 29 日進行，接觸了內部資料與研究人員；最有助於部分高層結論的證據，多數未能公開。這種接觸比只讀公開排行榜更深入，但外界也因此更依賴評估者的判斷。
還有一個容易混淆的時間線：Anthropic 在 10 月 15 日宣布的員工級存取評估安排，與這次八月至十月的研發加速評估，是不同專案。不能把前者的存取權限，直接套給後者。
這使「獨立」必須拆成至少三件事：誰決定分析方法、誰控制資料入口、誰決定證據能否公開。方法獨立，並不自動等於資料完整或結果可重現；有刪節，也不自動等於結論造假。判斷證據的份量，應落在具體權限與可檢查材料上。
更可行的改進方向，是公開不洩漏技術祕密的量測協定、匿名化分布、失敗案例，以及多名評估者對同一批證據的分歧。公眾需要知道的是結論對哪些假設敏感，而不一定是下一代模型的完整配方。
五、AlphaLab 的判讀：值得上調關注，還不到宣布失控
進步斜率的改變，值得比單次榜單多看一眼
如果新模型只是某次考試特別高分，後續資料可能回到原本趨勢；若多個後續模型持續沿較陡的線前進，持續加速的解釋會更有份量。本次報告的重要性，在於它檢查一串內部模型與多種量測選擇。這足以提升研究優先度，但仍需要後續模型與新的外部材料檢查。
METR AI 研發加速訊號，與自主改進之間的距離
要形成持續自我強化的循環，新模型不但要更強，還要把能力轉成下一輪有價值的研究成果；那些成果又必須真正改善下一代。每一段都可能被實驗等待、資源或驗證能力限制。這份 METR AI 研發加速報告，增加了「AI 正在協助研發」的證據份量；把它讀成完整自主循環已經成立，跨得太遠。
沒找到瓶頸，是需要追查的結果，不是無限成長定理
METR 對未來瓶頸的評估帶有明顯保留，也承認理解隨新資料多次改變。評估者在可接觸材料中未辨識出明確限制，不能保證限制不存在；同樣地，猜測某個瓶頸一定會阻止加速，也需要可檢查的機制與數據。
我同意什麼，我仍存疑什麼
我同意：模型研發速度需要被獨立量測，內部模型的時間序列能補上公開發布的延遲。我仍存疑：1.9 倍的指數斜率，能有多少轉成廣泛研究價值；以及在關鍵證據遭刪節時，AI 的因果占比究竟能估得多準。合理反應是提高量測與驗證強度，而非把一個估計直接寫成未來路徑。
六、下一份報告，追這三筆帳
第一筆是成果帳：後續模型能否維持較快的進步，且在新的、較貼近實際工作的題目上成立？保留相同評測預算與方法，才知道斜率是否真的改變。
第二筆是歸因帳：能否把 AI 輔助與人力、算力、資料和流程改變分開？至少讓外部評估者檢查具體貢獻、重做關鍵估計，並公開彼此分歧的範圍。
第三筆是驗收帳：人類要花多少時間才能確認更多實驗的結果？若產生想法的速度上升，審核時間卻沒有跟上，團隊可能只是把工作移到下一個排隊點。
對自己的研究或開發工作，也可以從一個小紀錄開始：同類任務分別記下完成時間、最後是否驗收通過，以及人工修正耗時。先看 AI 是否讓可靠成果更早出現，再談效率倍率。這比拿別人的 12 倍感受，替自己的工作排程更有用。
