METR mede aceleração de 1,9× na Anthropic — IA ajuda a construir IA, mas a prova pública é incompleta

1,9× mede ritmo de progresso — não uma IA 1,9 vez mais inteligente

A Model Evaluation and Threat Research, ou METR, publicou em 5 de novembro uma avaliação de onze semanas realizada dentro da Anthropic. O grupo teve acesso a métricas de pré-treinamento, reinforcement learning, uso de compute, benchmarks de modelos internos, análises de produtividade e entrevistas com pesquisadores. Sua principal estimativa é que, desde outubro de 2025, as pontuações internas medidas pelo AECI avançaram a 1,9 vez o ritmo histórico.

A unidade precisa ser preservada. Uma aceleração de duas vezes significa produzir em um ano aproximadamente o progresso que antes exigia dois; não significa duplicar inteligência, receita, produtividade geral ou segurança. O intervalo de confiança reportado vai de 1,5 a 2,8 vezes, e testes de robustez variaram de 1,1 a 2,9 vezes conforme escolhas metodológicas.

O resultado cobre sobretudo tarefas bem especificadas, passíveis de avaliação automática ou por outro modelo. A própria METR reconhece incerteza adicional quando o trabalho é aberto, ambíguo e difícil de pontuar. É um sinal sobre o motor de desenvolvimento da Anthropic, não uma taxa universal para todos os laboratórios nem para toda atividade de pesquisa.

O dado material não é que a IA já constrói sozinha sua sucessora. É que ela pode estar comprimindo o calendário entre uma geração de modelos e a próxima.

O ganho aparece como assistência de P&D, não como autonomia completa

A METR diz ter evidência convincente de que o avanço não veio de uma aceleração no crescimento do compute de treinamento. Sua interpretação, ainda incerta, é que a maior parte da aceleração atual provavelmente deriva do uso de IA em pesquisa: escrever código, executar experimentos, analisar resultados e reduzir o tempo entre hipótese e teste.

Isso é diferente de recursive self-improvement completo. Pesquisadores relataram que a IA ainda não realiza contribuições altamente significativas e totalmente autônomas nas etapas mais importantes do treinamento. A direção do trabalho, a escolha das métricas e decisões de alto impacto continuam humanas, embora existam sinais de que a autonomia pode avançar em partes do pipeline.

A Anthropic oferece contexto operacional: afirma que Claude escreveu mais de 80% das linhas incorporadas ao seu código em maio e que engenheiros passaram a entregar muito mais código por período. A empresa também ressalva que volume de código não equivale a qualidade nem mede sozinho produtividade real. São indicadores internos, não uma demonstração independente de autoaperfeiçoamento fechado.

A avaliação teve acesso raro — e transparência insuficiente

O valor do trabalho está no acesso. Durante onze semanas, 2,5 equivalentes de tempo integral da METR revisaram dados não públicos, conversaram com equipes e receberam informações sobre modelos ainda não lançados. Não houve pagamento entre as partes, e a avaliadora declara não possuir ações da Anthropic.

O limite é igualmente importante. A Anthropic tinha direito contratual de exigir redações e removeu a maioria das evidências que a METR considerou mais informativas para suas conclusões. A justificativa foi impedir que detalhes confidenciais oferecessem um roteiro para concorrentes acelerarem. A METR diz que o documento não alcança transparência sobre a evidência e obriga o público a confiar mais em seu julgamento do que seria ideal.

Há, portanto, independência metodológica sem reprodutibilidade pública completa. A Associated Press confirmou que houve discordâncias internas e incerteza; a Reuters registrou a estimativa e a ausência de contribuição autônoma decisiva. Nenhuma dessas confirmações transforma material redigido em evidência verificável por terceiros.

Quando o ciclo acelera, avaliação anual perde validade

Se modelos ajudam a construir modelos melhores, cada geração pode reduzir o tempo necessário para a seguinte. Isso altera a governança antes mesmo de existir autonomia total: uma avaliação feita no lançamento pode envelhecer enquanto o sistema seguinte já está em desenvolvimento, e controles vinculados a calendários fixos podem ficar defasados em relação ao ritmo técnico.

Para laboratórios, o checkpoint deixa de ser apenas capacidade absoluta. Passa a incluir quanto do pipeline de P&D foi automatizado, onde humanos ainda definem objetivos, quais tarefas aceitam verificação externa e qual intervalo existe entre um ganho interno e a atualização dos testes de risco. Para conselhos e investidores, produtividade precisa ser separada de velocidade de criação de risco.

A ausência de gargalos observados também não prova ausência de gargalos reais. A METR mudou de entendimento várias vezes ao receber detalhes e afirma não estar confiante em sua visão atual sobre compute experimental, dados e limites algorítmicos. O relatório identifica um risco de aceleração composta; não apresenta uma trajetória inevitável.

O checkpoint é tornar a velocidade auditável

Fato: a METR observou uma aceleração estimada de 1,9 vez em benchmarks internos da Anthropic. Fato: o grupo atribui provavelmente a maior parte do ganho atual ao uso de IA em P&D, mas não encontrou autonomia completa nas etapas centrais. Fato: evidências importantes foram redigidas e o próprio relatório declara transparência pública insuficiente.

Análise Fluxia: o ativo estratégico deixa de ser somente compute e talento; passa a incluir a capacidade de executar mais ciclos de pesquisa por unidade de tempo. Esse ganho pode ampliar vantagem competitiva, mas também reduz o prazo disponível para testes, revisão de políticas e resposta institucional.

Inferência: avaliações externas com acesso interno precisarão se tornar contínuas, comparáveis entre laboratórios e acompanhadas de critérios públicos mínimos. O próximo dado decisivo não é outro múltiplo divulgado pela própria empresa. É saber se avaliadores diferentes, com métodos independentes, encontram aceleração semelhante em tarefas menos estruturadas e conseguem demonstrar quais controles acompanham o novo ritmo.