METR: in Anthropic la ricerca accelera grazie all'IA, ma il quadro resta incerto

Una valutazione indipendente dell'organizzazione non profit METR (Model Evaluation and Threat Research), diffusa giovedì, stima che le capacità dei modelli di Anthropic su compiti ben definiti siano cresciute a un ritmo 1,9 volte superiore rispetto a quello osservato prima di ottobre 2025. Circa l'80% dell'accelerazione potrebbe essere legato all'uso dell'IA nelle attività di ricerca e sviluppo dell'azienda, ma la stima, avverte la stessa organizzazione, presenta un alto grado di incertezza. Il dato riguarda direttamente i laboratori che sviluppano sistemi di intelligenza artificiale, dove la velocità con cui migliorano i modelli dipende in modo crescente dagli strumenti di IA impiegati nella ricerca: è il fenomeno che METR definisce autoaperfezionamento ricorsivo.

Secondo il rapporto, le IA sono utilizzate dai ricercatori di Anthropic per scrivere codice, condurre esperimenti e svolgere attività legate allo sviluppo dei modelli, consentendo di completare più rapidamente alcune mansioni e di dedicare tempo ad altre fasi della ricerca. METR opera però una distinzione netta: la maggior parte del progresso è associata all'assistenza prestata ai professionisti, non allo svolgimento autonomo dell'intero processo. L'organizzazione dichiara di non aver trovato prove che i sistemi attuali siano in grado di dare contributi altamente significativi e del tutto indipendenti nelle fasi più importanti del training dei modelli, pur rilevando segnali che una simile partecipazione potrebbe guadagnare spazio in futuro.

La valutazione si è svolta nell'arco di undici settimane, tra agosto e ottobre 2026: i ricercatori hanno avuto accesso a dati interni dell'azienda, intervistato dipendenti e analizzato le prestazioni di modelli non ancora resi pubblici, verificando anche che l'aumento della potenza di calcolo impiegata nel training non spiega l'accelerazione osservata. Secondo quanto riporta Business Insider sulla base del rapporto METR, sei ricercatori hanno lavorato per quasi tre mesi nella sede di San Francisco, esaminando i modelli interni su hardware aziendale. Negli ultimi sei mesi Anthropic ha completato il training di tre modelli non rilasciati, tra luglio e ottobre; tra i sistemi a uso esclusivamente interno figura anche un modello risalente al 2022.

I guadagni di produttività riferiti dal personale sono consistenti ma difficili da quantificare: in sondaggi interni informali la velocità stimata è arrivata a 12 volte per il modello interno più capace, un valore che METR giudica poco affidabile perché frutto di valutazioni soggettive e potenzialmente sovrastimato. Un ricercatore ha spiegato all'organizzazione che il lavoro è «ora limitato solo dalle idee e dal calcolo, non più dal codice», concordando sull'idea che Claude abbia almeno raddoppiato la propria produttività. METR riassume l'andamento parlando di «circa due anni di progresso storico in un anno».

Sui limiti della ricostruzione pesa la riservatezza imposta dall'azienda: «Pur potendo condividere liberamente le nostre conclusioni di massimo livello sul rischio, Anthropic ha oscurato la maggior parte delle prove che ritenevamo più informative», scrive METR. L'organizzazione riferisce inoltre di non aver individuato colli di bottiglia chiari — nel calcolo, nella disponibilità di dati o negli esperimenti — che impedirebbero necessariamente ulteriori avanzamenti nei prossimi dodici mesi, precisando che anche questa valutazione resta soggetta a incertezza.