METR更新AI能力评测:R&D相关时间视野约3.6个月翻倍
摘要
METR发布截至Opus 5.5与GPT-6 Astra的能力测量更新,显示模型在TH1.1与TH2任务上的时间视野约每3.6个月翻倍,可验证子集翻倍时间约1.65个月,且相关能力正变得更难测量。
METR公布了其能力测量体系的最新一期更新,评测范围覆盖至Opus 5.5和GPT-6 Astra两款模型。此次更新延续了该机构对模型时间视野这一指标的追踪,并给出了新的翻倍周期估计。
在具体任务维度上,METR发现模型在TH1.1与TH2任务上的时间视野大约每3.6个月翻倍。这一节奏被视为观察AI研发相关能力演进的重要参照。
更细的拆分显示,可验证子集的翻倍时间约为1.65个月,明显快于整体口径。METR同时指出,相关能力正变得愈发难以测量,这意味着后续评测在方法设计上面临更高要求。
对AI行业从业者而言,这组数据既提供了能力增长速度的量化坐标,也提示评测本身正在逼近现有测量工具的边界。
本文由新大陆基于公开信息编辑整理
信息来源:AIHOT AIHOT原文 ↗