METR cifra en 1,9 veces la aceleración del avance de los modelos de Anthropic

Un informe de la organización sin ánimo de lucro Model Evaluation and Threat Research (METR) sitúa en 1,9 veces el ritmo de avance de las capacidades de los modelos de Anthropic desde octubre de 2025 frente al observado con anterioridad. El dato atañe al negocio central de una de las compañías de referencia en inteligencia artificial —la venta de los modelos más avanzados— y a una cuestión que recorre todo el sector: en qué medida la propia IA contribuye a acelerar la investigación que produce la siguiente generación de modelos. El estudio, difundido un jueves 5, se elaboró a lo largo de once semanas, entre agosto y octubre de 2026, con acceso a datos internos de la empresa, entrevistas a empleados y análisis del rendimiento de modelos aún no divulgados.

El mecanismo que describe el informe es la asistencia, no la sustitución. Herramientas de IA se emplean en Anthropic para escribir código, conducir experimentos y ejecutar tareas vinculadas al desarrollo de modelos, lo que permite a los investigadores completar ciertas labores con mayor rapidez. METR estima que cerca del 80% de la aceleración actual podría estar relacionada con ese uso de IA en investigación y desarrollo, cifra que la propia organización rodea de un alto grado de incertidumbre. El incremento de la capacidad computacional dedicada al entrenamiento no explica el fenómeno, y los investigadores no hallaron cuellos de botella claros —ni en cómputo, ni en datos, ni en la experimentación— que impidieran necesariamente nuevos avances en los próximos doce meses, aunque advirtieron de que esa lectura también es incierta.

El informe separa con cuidado ambos planos. La mayor parte del progreso sigue asociada al respaldo que la IA presta a los profesionales y no a la ejecución autónoma del proceso completo; METR afirmó no haber encontrado pruebas de que los sistemas actuales puedan hacer contribuciones plenamente independientes y de gran calado en las etapas más importantes del entrenamiento, si bien detectó indicios de que esa participación podría crecer. Las encuestas internas de Slack recogidas por los investigadores arrojaban un aumento autorreportado promedio de unas 12 veces para el modelo interno más capaz en octubre, dato que el propio grupo considera evidencia débil. Un investigador lo resumió señalando que el trabajo está ahora «limitado solo por las ideas y el cómputo, ya no por el código».

A ello se añade la opacidad. METR trabajó con seis investigadores durante casi tres meses y con un acceso calificado de sin precedentes en la sede de Anthropic en San Francisco, donde entrevistaron a empleados, siguieron canales internos de Slack y examinaron modelos no publicados en equipos de la compañía; aun así, indicó que la empresa censuró la mayoría de la evidencia que consideraba más informativa. El informe cifra en unos dos años el progreso histórico acumulado en el último año y señala que Anthropic terminó en los últimos seis meses tres modelos que no ha publicado —concluidos en julio, entre agosto y septiembre y entre septiembre y octubre— y mantiene además un modelo interno de 2022. La preocupación declarada es que la aceleración pueda volverse acumulativa, en el marco de lo que se conoce como autoperfeccionamiento recursivo.

El horizonte que el propio informe fija para contrastar estas conclusiones es de doce meses, y el hito verificable más inmediato es la eventual publicación de los tres modelos internos ya concluidos y la revisión de las estimaciones de METR por terceros. La organización subrayó que sus cálculos están sujetos a incertidumbre y que parte de las pruebas no resulta verificable por ahora.