跳到正文
原文
METR · 前沿模型能力评估·· 2 天前精选AI 评分72

METR 发布 2026 年第四季度能力评估:AI 研发相关能力快速提升且越来越难测量

AI R&D-relevant model capabilities are improving rapidly and are getting harder to measure

AI 导读

METR 发布截至 Opus 5.5 和 GPT-6 Astra 的能力评估,在 TH1.1 与 TH2 合并任务集上时间跨度约每 3.6 个月翻倍,按此外推模型将在 2027 年 7 月达到 200 小时。

推荐理由

METR 用自建任务集给出时间跨度约 3.6 个月翻倍的估计,并解释为何高成本任务更难被现有评测覆盖。

来源:METR · 前沿模型能力评估 · metr.org