Anthropic probablemente mejora las capacidades de sus modelos de inteligencia artificial en tareas bien definidas casi al doble del ritmo que registró entre marzo de 2024 y octubre de 2025, según una evaluación de METR publicada el 5 de noviembre de 2026. La organización atribuye buena parte de la aceleración al uso interno de IA, aunque advierte que esa estimación es incierta y que Anthropic reservó parte de las pruebas que sustentaron sus conclusiones.
METR, una organización sin fines de lucro que evalúa sistemas avanzados de IA, examinó información interna de Anthropic entre el 12 de agosto y el 29 de octubre. También revisó encuestas y entrevistó a personal de la empresa para entender cuánto contribuyen los modelos a la investigación con la que se desarrollan sistemas posteriores.
Qué mide el aumento de velocidad
Una de las bases del análisis es AECI, una versión de Anthropic del índice de capacidades de Epoch AI. METR calculó que, desde octubre de 2025, las puntuaciones de los modelos en ese conjunto de pruebas crecieron a 1.9 veces su ritmo anterior. El intervalo de confianza de 95% del cálculo fue de 1.5 a 2.8 veces.
La comparación se refiere a la velocidad de mejora en las pruebas. Un ritmo doble significaría conseguir en un año un avance equivalente al que antes tomaba dos; no significa que cada modelo sea dos veces más capaz que el anterior ni que Claude responda al doble de velocidad.
La cifra de 1.9 veces incluye datos de modelos internos que no se habían lanzado. METR advierte que las pruebas se concentran en tareas bien definidas y que los resultados podrían cambiar según el método empleado. En análisis con supuestos distintos, las estimaciones oscilaron entre 1.1 y 2.9 veces.
La valoración más amplia del equipo sitúa el ritmo de octubre cerca del doble del observado entre marzo de 2024 y octubre de 2025, pero admite que podría estar más cerca de 1.3 o de 3 veces. METR no presenta esos extremos como el mismo intervalo estadístico del cálculo de AECI.
La IA ayuda a investigar, bajo supervisión
METR calcula de forma tentativa que quizá alrededor del 80% de la aceleración actual se deba al uso de IA en la investigación y el desarrollo de Anthropic. Ese porcentaje se refiere a la aceleración estimada, no a la proporción de tareas que realiza Claude ni a la mejora total de sus modelos.
Los evaluadores dicen que no encontraron pruebas decisivas para separar por completo la contribución de la IA de otros factores. Consideraron, entre otros, la contratación, las mejoras en los datos y los avances algorítmicos. También creen que causas distintas de la IA probablemente influyeron de manera importante en la aceleración de finales de 2025.
Las entrevistas y encuestas internas son compatibles con una contribución considerable de la IA, aunque METR advierte que las estimaciones de productividad declaradas por el personal son difíciles de interpretar. La organización concluyó que la aceleración no se explica por un aumento en el ritmo de crecimiento del cómputo de entrenamiento; no afirmó que Anthropic hubiera dejado de ampliar ese cómputo.
Por ahora, el avance procede principalmente de asistencia a investigadores, según la información recibida por METR. La organización entiende que la IA todavía no hace aportaciones plenamente autónomas de gran importancia en las partes más relevantes del entrenamiento de modelos.
Las pruebas que el público no puede examinar
Anthropic permitió a METR consultar métricas de modelos internos y otros datos que no son públicos. La evaluación tuvo acceso amplio, pero no el acceso directo a documentos y sistemas equivalente al de un empleado. Es un proyecto distinto al equipo de evaluadores anunciado por Anthropic el 15 de octubre.
Patricia Rodriguez
La empresa podía exigir la eliminación de información no pública del informe. METR afirma que Anthropic reservó la mayor parte de la evidencia que sus investigadores consideraron más informativa para las conclusiones sobre riesgos. Entre los detalles omitidos figuran desgloses sobre la contribución de la IA en distintas partes del entrenamiento y análisis de posibles límites al avance.
Anthropic explicó a METR que buscaba proteger información confidencial que podría acelerar a otros desarrolladores. Para los evaluadores, la consecuencia es que el público debe depender más de su criterio: parte de la evidencia admite varias interpretaciones y no puede contrastarse de forma directa con el informe publicado.
El doble de ritmo no resuelve por sí solo el umbral de seguridad
La política de Anthropic contempla un umbral de alerta relacionado con la aceleración de la I+D. Su criterio exige que el ritmo de mejora de las capacidades generales se duplique frente a dos referencias: el ritmo esperado y el mayor ritmo sostenido observado sin contribuciones importantes de la IA. También considera si es plausible que la automatización de la investigación o la ingeniería explique una parte sustancial del aumento y que la tendencia conduzca a una aceleración aún mayor.
METR señala que su evaluación de octubre buscó describir la aceleración y no verificar específicamente los umbrales de esa política. Por tanto, su cálculo cercano al doble no establece por sí solo que el criterio se haya cumplido.
En una revisión separada, publicada el mismo 5 de noviembre, METR examinó el informe de riesgos de Anthropic sobre los modelos disponibles internamente al 15 de julio. Coincidió con la empresa en que el riesgo catastrófico de esos modelos era bajo, pero consideró plausible que ya se hubiera alcanzado el umbral de alerta. La mayoría de los investigadores pertinentes de METR y Anthropic se inclinaba por pensar que aún no se había alcanzado.
Anthropic había advertido el 2 de noviembre que modelos futuros podrían llevarla pronto a ese umbral. La compañía indicó entonces que no había clasificado a ninguno de sus modelos actuales por encima de él.
Patricia Rodriguez
METR advierte que modelos cada vez más capaces podrían acelerar aún más la investigación posterior. No encontró obstáculos claros que impidan ese avance durante los próximos 12 meses, aunque reconoce que sus conclusiones sobre posibles límites cambiaron durante la revisión y podrían seguir siendo incompletas.
