Anthropic: METR stima 1,9x, soglia di luglio ancora incerta

Anthropic sta migliorando le capacità dei propri modelli sui compiti ben specificati a un ritmo quasi doppio rispetto al periodo precedente, secondo la valutazione pubblicata il 5 novembre 2026 da METR, Model Evaluation and Threat Research. Il risultato deriva da un’indagine con accesso a informazioni interne, condotta dal 12 agosto al 29 ottobre. Ma il rapporto non dimostra che l’azienda avesse già superato a luglio la propria soglia di allerta sull’accelerazione: considera questa possibilità plausibile, senza certificarla.

La distinzione cambia il significato della notizia. Un aumento della velocità di avanzamento nei benchmark non equivale al raddoppio della produttività di tutta la ricerca e sviluppo, né prova l’esistenza di un ciclo autonomo di auto-miglioramento. Il punto nuovo, rispetto all’attenzione sul codice generato dall’AI, riguarda soprattutto la governance: come riconoscere una soglia di rischio quando le misure sono incerte e gran parte delle evidenze resta riservata?

Anthropic e AECI: che cosa misura l’accelerazione di 1,9 volte

METR ha esaminato benchmark interni, dati di addestramento e ricerca, sondaggi, analisi e circa 15 interviste al personale. La metrica centrale è AECI, la versione di Anthropic dell’Epoch Capabilities Index. Individuando un punto di discontinuità intorno al 7 ottobre 2025, l’analisi stima che la crescita dell’indice sia passata da circa 15 a circa 29 punti l’anno.

Il rapporto fra queste pendenze produce un’accelerazione stimata di 1,9 volte, con un intervallo di confidenza al 95% compreso fra 1,5 e 2,8. Significa, nell’interpretazione di METR, ottenere in un anno circa due anni del progresso storico misurato dai benchmark. Non significa dimezzare il tempo necessario per ogni esperimento o raddoppiare automaticamente funzionalità consegnate, ricavi o qualità del software.

La scelta del confronto pesa. Specificazioni alternative producono stime fra 1,1 e 2,9 volte; includendo i modelli pubblici di altri sviluppatori, l’accelerazione stimata dell’intera frontiera scende a circa 1,4 volte. METR indica possibili spiegazioni: Anthropic potrebbe aver recuperato una posizione iniziale più debole, oppure potrebbero incidere differenze nell’ottimizzazione rispetto ai benchmark. Il risultato aziendale non è una misura universale del settore.

Perché METR attribuisce gran parte del progresso all’AI

METR si dichiara fiduciosa che una crescita più rapida del compute di addestramento non spieghi l’accelerazione osservata. La sua valutazione soggettiva attribuisce all’impiego dell’AI nella ricerca interna «forse circa l’80%» dell’accelerazione a ottobre 2026, con notevole incertezza. Questa percentuale riguarda una spiegazione causale del progresso, non la quota di codice scritto dai modelli.

Il meccanismo descritto è prevalentemente quello dell’assistenza ai ricercatori umani, non della ricerca interamente autonoma. Se l’AI riduce il lavoro necessario per completare attività intermedie, può abbreviare alcune iterazioni e consentire più esperimenti nello stesso periodo. Il vantaggio complessivo dipende però dai passaggi che restano vincolati a decisioni umane, risorse sperimentali e verifica dei risultati.

I sondaggi informali su Slack, nei quali dipendenti indicavano a ottobre un aumento medio della produttività di circa 12 volte usando il modello interno più capace, non risolvono il problema della misurazione. METR li definisce evidenza molto debole e rileva opinioni non uniformi dentro Anthropic. Percezione del tempo risparmiato, velocità su singoli compiti e avanzamento complessivo della ricerca hanno denominatori diversi.

La soglia di luglio: plausibile superamento, non violazione accertata

La Responsible Scaling Policy di Anthropic comprende una «2x Acceleration Threshold»: una soglia legata a un progresso approssimativamente raddoppiato e sostanzialmente attribuibile all’automazione della ricerca AI. La versione 3.4 è entrata in vigore l’8 luglio 2026. Il Risk Report di agosto, relativo al periodo fino al 15 luglio, dichiarava invece un’accelerazione inferiore a due volte.

Nella revisione collegata, METR considera plausibile che la soglia fosse già stata oltrepassata entro il 15 luglio. Cita una figura privata oscurata che implicava un fattore di 1,97 e un passaggio secondo cui sembrava plausibile superare complessivamente il fattore due. Tuttavia, sia i ricercatori METR coinvolti sia il personale Anthropic pertinente propendevano per il mancato superamento. METR valutava inoltre basso il rischio acuto dei modelli di quella data.

Non basta quindi arrotondare 1,97 a due per dichiarare una violazione. La soglia richiede anche un giudizio sull’attribuzione all’automazione, mentre il rapporto non costituisce un verdetto sul rispetto della policy. La tensione documentata riguarda la capacità di applicare tempestivamente gli impegni di sicurezza: una classificazione riconosciuta soltanto a posteriori può ridurre l’utilità preventiva del controllo.

Un’indagine indipendente con evidenze pubbliche incomplete

Anthropic aveva il diritto unilaterale di oscurare informazioni non pubbliche nel rapporto di circa 100 pagine. L’azienda ha spiegato che le omissioni miravano a rimuovere informazioni riservate capaci di accelerare altri sviluppatori. METR afferma però che è stata oscurata la maggioranza delle evidenze considerate più informative, comprese stime di attribuzione, analisi delle pipeline, valutazioni dei colli di bottiglia e previsioni sui modelli futuri.

L’indipendenza delle conclusioni va distinta dalla riproducibilità dell’analisi. Anthropic ha approvato le informazioni divulgate, senza controllare le conclusioni di METR; quest’ultima riconosce tuttavia che il pubblico deve affidarsi al suo giudizio molto più di quanto sarebbe ideale. Inoltre, non ha interrogato direttamente i modelli non pubblici e gran parte dei dati è passata attraverso due tecnici dell’azienda.

Il perimetro iniziale comprendeva anche la verifica della distribuzione del compute fra capacità e sicurezza. Anthropic ha rimosso questa componente durante l’incarico, dichiarando di voler privilegiare la valutazione del rischio e riprendere la verifica successivamente. Non prova uno squilibrio delle risorse, ma lascia una domanda senza verifica indipendente.

Il documento S-1 e il problema del riconoscimento tardivo

Nel documento S-1 emendato e depositato il 2 novembre, Anthropic afferma che stime interne e aspettative sui modelli futuri potrebbero soddisfare a breve la definizione della policy relativa a un progresso drasticamente accelerato attribuibile all’AI. Precisa anche di non aver classificato alcun modello attuale come superiore alla soglia e di aver riconosciuto in passato alcune accelerazioni significative soltanto dopo che si erano verificate.

Questa posizione documenta le aspettative aziendali, non una conferma del superamento a luglio né una risposta conclusiva al rapporto successivo. La questione operativa è come trasformare indicatori retrospettivi in decisioni tempestive: quali evidenze attivano una revisione, chi decide e quanto dell’analisi può essere sottoposto a controllo esterno.

Dove può spostarsi il collo di bottiglia della ricerca

METR non ha individuato evidenze di colli di bottiglia significativi, nei dodici mesi successivi, nel progresso algoritmico, nel compute di addestramento e sperimentazione o nei dati. Avverte però che potrebbe averne trascurati. L’assenza di limiti osservati sostiene un rischio di ulteriore accelerazione, non una previsione certa di crescita composta.

Per i workflow che dipendono dai modelli di frontiera, la conseguenza immediata non è accelerare automaticamente l’adozione. È verificare che valutazione, test di regressione e approvazione dei cambiamenti possano accompagnare aggiornamenti più rapidi. I benefici riguardano soprattutto attività ben specificate e verificabili; resta da dimostrare quanto si estendano al lavoro ambiguo e di lunga durata. La prossima decisione dovrebbe dipendere da evidenze comparabili e criteri di attivazione verificabili, non dal solo volume di output generato.