METR: na Anthropic, ritmo do progresso da IA praticamente dobrou, puxado principalmente pela própria IA

METR, organização norte-americana de avaliação independente de sistemas de IA, publicou em 5 de novembro de 2026 o balanço público de uma auditoria realizada internamente na Anthropic: a IA já está acelerando a pesquisa e o desenvolvimento de IA na desenvolvedora do Claude? A resposta, formulada com fortes ressalvas e após extensas tarjas no documento, é sim — por um fator de aproximadamente 2 em tarefas bem definidas, em grande parte devido ao uso interno dos modelos.

O anúncio complementa o trecho do prospecto S-1/A da Anthropic no qual a empresa escreveu que poderia se aproximar “de forma iminente” do limiar de aceleração de sua Responsible Scaling Policy.

O que a METR afirma ter visto

De meados de agosto ao final de outubro, uma equipe da METR (cerca de 2,5 equivalentes em tempo integral) teve acesso a dados internos: pontuações de benchmarks internos e AECI, métricas de pré-treinamento e de RL, computação de treinamento por domínio, pesquisas de ganho de produtividade, entrevistas com cerca de quinze pessoas e análises de velocidade. A Anthropic podia recusar solicitações e tarjou a posteriori grande parte do relatório público. A METR não recebeu remuneração; a Anthropic forneceu computadores e tokens.

Três conclusões subjetivas estruturam o texto:

1. Ritmo — Em 29 de outubro de 2026, a Anthropic provavelmente aprimorava as capacidades de seus modelos em tarefas bem definidas a cerca de duas vezes o ritmo observado entre março de 2024 e outubro de 2025. A METR não se surpreenderia se o número real ficasse em torno de 1,3× ou 3×.
2. Atribuição — A maioria da aceleração atual seria devida à IA utilizada para P&D (ordem de grandeza subjetiva: ≈ 80%), mesmo que outros fatores tenham influenciado no fim de 2025.
3. Gargalos — A METR não observou nenhum gargalo evidente (algoritmos, computação de treinamento, computação para experimentos, dados) capaz de frear uma aceleração adicional nos próximos 12 meses, com confiança limitada.

No índice AECI, as pontuações aceleraram em um fator estimado em 1,9× desde outubro de 2025 (IC 95%: 1,5–2,8×). Em outras palavras, um ano recente equivaleria a cerca de dois anos de progresso histórico nesse índice. A METR insiste: a aceleração não decorre de uma aceleração na computação de treinamento — ponto que afirma poder sustentar com confiança, embora os detalhes tenham sido tarjados.

As entrevistas e pesquisas internas apontam na mesma direção, mas a METR as trata com cautela: pesquisas autodeclaradas no Slack chegam a registrar um ganho de produtividade médio de cerca de 12× em outubro de 2026 para o modelo interno mais avançado, uma evidência considerada “muito fraca”. As contribuições totalmente autônomas da IA nas partes mais críticas do pipeline de treinamento ainda não seriam expressivas, embora apresentem “sinais de vida”.

O que a Anthropic tarjou

O relatório público explicita logo na introdução: a Anthropic removeu a maioria das evidências que a METR considerava mais informativas, sob a justificativa de proteger informações confidenciais que poderiam beneficiar outros desenvolvedores. A METR manteve o direito de registrar esse fato. Consequência assumida: o público precisa confiar mais no julgamento da METR do que em uma transparência aberta das evidências.

Desapareceram, entre outros pontos, as estimativas detalhadas de aceleração e atribuição por etapa do pipeline, parte da análise dos gargalos e projeções de métricas para futuros modelos. Modelos internos não lançados (identificados como “Model 2”, “Model 3”, “Model 4” no texto) entram nas tendências do AECI: é em parte por isso que a aceleração estimada (1,9×) supera a do system card do Haiku 5.5 (1,7×).

A Anthropic também cancelou no meio do caminho a etapa planejada de verificação da alocação de computação (capacidades versus segurança), antes de qualquer conclusão substancial, para reorientar a iniciativa na avaliação de riscos.

A análise do Risk Report de agosto

No mesmo dia, a METR publicou uma análise crítica da seção “Risks from automated R&D” do Risk Report de agosto de 2026 da Anthropic, tendo acesso à versão não pública. Os dois documentos devem ser lidos em conjunto.

A METR concorda com a Anthropic ao considerar que, em 15 de julho de 2026, o risco de catástrofe ligado à automação direta da P&D era baixo. Por outro lado, considera plausível que o limiar de alerta precoce de 2× da RSP já tivesse sido atingido nessa data, avaliando que o relatório público subestimou o nível de aceleração e a incerteza discutida internamente (um indicador privado que apontava cerca de 1,97× foi resumido publicamente como “menos de um fator 2”).

O que permanece em aberto

• Evidências tarjadas: não é possível reconstituir de forma independente o raciocínio detalhado.
• AECI ≠ impacto no mundo real: a METR lembra que o índice avalia principalmente tarefas bem definidas e propensas à saturação; o impacto fora do laboratório pode divergir.
• Próximos passos: a METR vê um risco expressivo de que a aceleração ganhe ainda mais força, embora não seja possível provar um crescimento hiperbólico apenas com base nos dados públicos do AECI.