● Research08.11.2026 · 17:218 nguồn

Tiến bộ AI của Anthropic trên mỗi USD giảm 63% do chi phí R&D vượt xa mức tăng khả năng

Theo marketbrief.now

AI;DR

Một phân tích dữ liệu từ đơn vị đánh giá độc lập METR cho thấy tiến bộ AI trên mỗi USD của Anthropic đã giảm 63% giữa nửa đầu năm 2025 và nửa đầu năm 2026, do chi tiêu cho R&D tăng nhanh hơn mức tăng về khả năng, ngay cả khi tiến độ hàng năm gần như tăng gấp đôi. Sau khi METR công bố điểm chỉ số khả năng cho các Model nội bộ của Anthropic, trình theo dõi dự báo AI 2027 cũng cập nhật các ước tính, đặt Model 4 chưa ra mắt của Anthropic vượt trước đường cong bứt phá dự kiến 6 tuần, đảo ngược tình thế chậm trễ 5 tuần so với Astra.

Các con số này dựa trên đánh giá kéo dài 11 tuần của METR về hoạt động R&D nội bộ của Anthropic, ước tính tiến độ benchmark trên chỉ số khả năng của phòng thí nghiệm này đã tăng tốc 1,9 lần kể từ tháng 10 năm 2025, với khoảng tin cậy 95% là từ 1,5 đến 2,8 lần. METR dự đoán việc dùng AI nội bộ thúc đẩy khoảng 80% tốc độ tăng trưởng hiện tại và báo cáo không tìm thấy nút thắt đáng kể nào về thuật toán, tính toán hay dữ liệu trong 12 tháng tới, trong khi nhà nghiên cứu Ryan Greenblatt của METR ước tính từ các mô hình công khai rằng tự động hóa AI đang đẩy nhanh quá trình R&D phần mềm của Anthropic lên khoảng 4,5 lần. Tuy nhiên, Toby Ord lưu ý rằng các chuyên gia đánh giá không thể bác bỏ một cách chắc chắn giả thuyết thay thế rằng bước nhảy vọt về khả năng đến từ...

Đọc bài gốcĐăng nhập để góp ý

Nguồn

+ 5 nguồn khác
  1. SUPPORT@kimmonismus“Progress per dollar fell 63% between the first halves of 2025 and 2026, even as annual progress nearly doubled.”x.com
  2. SUPPORT@ryangreenblatt“I did an estimate using my public preexisting modeling of drivers of AI progress and the public report which yielded a very rough estimate of 4.5x for how much RSI is currently accelerating AI software progress (relative to no AI automation).”x.com
  3. SUPPORT@tobyordoxford“But they can't confidently reject an alternative explanation: the step change you get with the larger pre-train of Mythos.”x.com
  4. SUPPORT@jeffladish“We did not see evidence for significant bottlenecks which would prevent further capabilities progress due to limits on algorithmic progress, training compute, experiment compute, or data in the next 12 months”x.com
  5. SUPPORT@ziv_ravid“We redacted a lot, and I accept that this makes it harder for others to check METR’s work. But we determined that sharing exactly what is driving the speedup isn’t the right thing to do”x.com
#anthropic#fundingBản MarkdownĐiểm 3.45.8k token
Ảnh: marketbrief.now
Đọc bài gốc