METR: en Anthropic, el ritmo del progreso de la IA casi se ha duplicado, impulsado sobre todo por la propia IA

METR, organismo estadounidense de evaluación independiente de sistemas de IA, ha publicado el 5 de noviembre de 2026 las conclusiones públicas de una auditoría realizada internamente en Anthropic: ¿está ya la IA acelerando la investigación y el desarrollo de la IA en la empresa desarrolladora de Claude? La respuesta, expresada con marcadas reservas y tras una censura sustancial de datos, es afirmativa: cerca de un factor 2 en tareas bien definidas, en gran medida gracias al uso interno de los modelos.

El anuncio complementa el pasaje del folleto S-1/A de Anthropic donde la empresa señalaba que podría aproximarse «de forma inminente» al umbral de aceleración fijado en su Responsible Scaling Policy.

Lo que METR afirma haber observado

Desde mediados de agosto hasta finales de octubre, un equipo de METR (unos 2,5 equivalentes a tiempo completo) tuvo acceso a datos internos: puntuaciones de evaluaciones internas y del AECI, métricas de preentrenamiento y de aprendizaje por refuerzo (RL), cómputo de entrenamiento por área, encuestas de mejora de productividad, entrevistas a una quincena de empleados y análisis de velocidad de desarrollo. Anthropic se reservaba el derecho de rechazar solicitudes y censuró a posteriori una parte importante del informe público. METR no percibió remuneración económica; Anthropic facilitó ordenadores y tokens.

El documento se articula en torno a tres conclusiones subjetivas:

1. Ritmo — A 29 de octubre de 2026, Anthropic probablemente mejora las capacidades de sus modelos en tareas bien definidas a aproximadamente el doble del ritmo registrado entre marzo de 2024 y octubre de 2025. A METR no le sorprendería que la cifra real se sitúe en torno a 1,3× o 3×.
2. Atribución — La mayor parte de la aceleración actual procedería de la IA empleada en tareas de I+D (orden de magnitud subjetivo: ≈ 80%), si bien otros factores influyeron a finales de 2025.
3. Cuellos de botella — METR no apreció cuellos de botella evidentes (algoritmos, cómputo de entrenamiento, cómputo experimental, datos) que pudieran frenar una mayor aceleración en los próximos 12 meses, aunque con un nivel de confianza limitado.

En el índice AECI, las puntuaciones se han acelerado a un factor estimado de 1,9× desde octubre de 2025 (IC 95%: 1,5–2,8×). Dicho de otro modo, un año reciente equivaldría aproximadamente a dos años de avances históricos en este baremo. METR insiste: la aceleración no proviene de un aumento del cómputo de entrenamiento, extremo que afirma sostener con seguridad a pesar de que los detalles han sido tachados.

Las entrevistas y los sondeos internos apuntan en la misma dirección, aunque METR los aborda con cautela: las encuestas autodeclaradas en Slack reflejan una mejora media de hasta unas 12× en octubre de 2026 para el modelo interno más avanzado, indicio que se califica de «muy endeble». Las aportaciones plenamente autónomas de la IA en los eslabones más críticos de la cadena de entrenamiento aún no serían determinantes, si bien muestran ciertos «signos de vida».

Lo que Anthropic ha censurado

El informe público lo advierte desde el inicio: Anthropic eliminó la mayor parte de las pruebas que METR consideraba más concluyentes con el argumento de proteger secretos comerciales que podrían beneficiar a otros desarrolladores. METR logró preservar el derecho a dejar constancia de ello. La consecuencia inevitable es que el público se ve obligado a confiar más en el criterio de METR que en la transparencia de las evidencias.

Entre los datos suprimidos figuran las estimaciones detalladas de aceleración y atribución por cada fase del proceso, parte del análisis de cuellos de botella y las proyecciones de métricas para futuros modelos. Varios modelos internos no comercializados (denominados «Model 2», «Model 3» y «Model 4» en el texto) forman parte de las curvas del AECI: ese es uno de los motivos por los que la aceleración estimada (1,9×) supera la reportada en la ficha técnica (system card) de Haiku 5.5 (1,7×).

Anthropic también canceló a mitad del proceso la verificación prevista sobre la asignación del cómputo (capacidades frente a seguridad), antes de que se alcanzara conclusión de peso alguna, con el fin de reorientar el ejercicio hacia la evaluación de riesgos.

La revisión del Risk Report de agosto

En la misma fecha, METR difunde una revisión del apartado «Risks from automated R&D» correspondiente al Risk Report de agosto de 2026 de Anthropic, tras consultar su versión reservada. Ambos textos deben interpretarse conjuntamente.

METR coincide con Anthropic en señalar que, a 15 de julio de 2026, el riesgo de catástrofe derivado de la automatización directa de la I+D era bajo. Por el contrario, considera plausible que el umbral de alerta temprana de 2× contemplado en la RSP ya se hubiese superado en esa fecha, y estima que el documento público minimizaba el grado real de aceleración y la incertidumbre admitida a puerta cerrada (un indicador interno que arrojaba cerca de 1,97× se resumió de cara al exterior como «menos de un factor 2»).

Puntos todavía abiertos

• Pruebas censuradas: resulta imposible reconstruir de manera independiente el hilo conductor detallado.
• AECI ≠ impacto real: METR recuerda que el índice evalúa principalmente tareas muy acotadas y con tendencia a la saturación; el impacto práctico fuera del laboratorio puede ser dispar.
• Evolución futura: METR percibe un riesgo significativo de que la aceleración continúe intensificándose, sin que sea factible demostrar una dinámica hiperbólica apoyándose únicamente en los datos públicos del AECI.