Claude tốc độ tiến hóa đã tăng gấp đôi, 80% gia tăng đến từ AI
Biên tập viên｜Tắc Nam
AI giúp phát triển tốc độ của thế hệ AI tiếp theo, cuối cùng đã có con số cụ thể.
Ngày 5 tháng 11, tổ chức đánh giá bên thứ ba METR đã phát hành một báo cáo điều tra về Anthropic cho biết: công ty này đã đạt được sự tiến bộ về khả năng chuẩn trong năm qua, tương đương với sự tiến bộ trong hai năm trước đó.
Từ ngày 12 tháng 8 đến ngày 29 tháng 10, tổ chức này đã dành khoảng 11 tuần để vào bên trong Anthropic xem xét kết quả mô hình, sức mạnh tính toán đào tạo, hiệu quả phát triển và các tài liệu khác, đồng thời phỏng vấn các nhà nghiên cứu.
Phân tích của họ đã sử dụng chỉ số khả năng tổng hợp AECI của Anthropic. Dữ liệu cho thấy, kể từ tháng 10 năm 2025, tốc độ tiến bộ của mô hình lớn trên chỉ số này khoảng 1.9 lần so với trước đó, với khoảng tin cậy 95% là 1.5---2.8 lần.
Kể từ ngày 7 tháng 10 năm 2025, điểm số này đã từ khoảng 15 điểm/năm nhảy lên khoảng 29 điểm/năm, hoàn thành khoảng hai năm trong một năm, mức độ tương đương với Claude 2.1 đến Sonnet 4.5. Báo cáo rủi ro của Anthropic trước đó đã giả định rằng Mythos Preview là một bước nhảy đơn lẻ, sau đó sẽ quay trở lại xu hướng ban đầu, tuy nhiên bây giờ mô hình mới đã xuất hiện, độ dốc mới vẫn đang tiếp tục.
Nhìn chung trong ngành, sự tăng tốc của các mô hình tiên tiến chỉ là 1.4 lần.
Điều quan trọng hơn là, METR khá chắc chắn rằng sự tăng tốc này không đến từ tốc độ tăng trưởng quy mô sức mạnh tính toán AI. Nguyên nhân chính của sự tiến bộ trong khả năng AI đến từ sự trợ giúp của chính AI.
Trong các cuộc phỏng vấn, một hiện tượng lặp đi lặp lại là: các nhà nghiên cứu cuối cùng có thể thử nghiệm nhiều ý tưởng hơn.
Trước đây, một thí nghiệm có thể cần một hoặc hai ngày để thực hiện, thời gian và chi phí tính toán là không thể vượt qua, nhiều ý tưởng chưa kịp được xác minh đã bị gác lại. Ngày nay, các nhà nghiên cứu có thể giao nhiều ý tưởng cho Agent, xem ý tưởng nào đáng để tiếp tục theo đuổi.
Một nhà nghiên cứu mô tả rằng, hiện tại công việc của mình chủ yếu bị giới hạn bởi ý tưởng và sức mạnh tính toán, mã không còn là nút thắt. Một số người cảm thấy rằng sau khi sử dụng Claude, họ như có một nghiên cứu sinh và một nghiên cứu sinh tiến sĩ cùng thúc đẩy dự án. Thí nghiệm và thực hiện trở nên rẻ hơn, khiến các nhà nghiên cứu trở nên sẵn sàng thử nghiệm hơn, nhiều thí nghiệm nhỏ mà trước đây được cho là không đáng để đầu tư năng lượng giờ đây cũng có cơ hội trở thành hướng nghiên cứu mới.
Báo cáo của METR cũng tiết lộ một phần tiến bộ nội bộ mà trước đây bên ngoài không thể nhìn thấy. Phân tích của họ đã bao gồm ba mô hình mà Anthropic chưa công bố, được gọi là Model 2, Model 3, Model 4. Chúng đã hoàn thành đào tạo từ tháng 7 đến tháng 10 năm nay.
Mô hình mạnh nhất hiện tại chính là Model 4 (có người đoán rằng đó là Claude 6), nó đã vượt qua 90% điểm số trên nhiều chuẩn phổ biến. Nhân viên Anthropic đã thực hiện ước lượng chủ quan về nó vào tháng 10, bỏ phiếu cho rằng nó đã tăng hiệu suất công việc của họ lên khoảng 12 lần.
Những mô hình này vẫn chưa được phát hành, thậm chí không chắc chắn sẽ trở thành sản phẩm công khai, nhưng sự tồn tại của chúng nhắc nhở bên ngoài rằng chỉ nhìn vào hội nghị phát hành và bảng xếp hạng công khai có thể không đủ để đánh giá đầy đủ những gì đang xảy ra bên trong các công ty AI lớn. Từ khoảng 1 lần vào đầu năm 2025, đến Opus 4.5 khoảng 2.5 lần, Mythos 5 khoảng 5 lần, Model 4 nhảy lên 12 lần, sự phù hợp theo hàm số mũ là khoảng 3.9 lần mỗi năm.
METR ước tính tính đến tháng 10 năm nay, khoảng 80% sự tăng tốc trong nghiên cứu AI hiện tại ước tính đến từ AI. Còn 20% là yếu tố không phải AI, chi tiết Anthropic không cho phép tiết lộ.
Vậy, AI đã có thể tự phát triển thế hệ tiếp theo của mình chưa?
Hiện tại vẫn còn khoảng cách để AI có thể tự phát triển mô hình thế hệ tiếp theo một cách hoàn toàn tự động cải tiến (RSI). Các nhà nghiên cứu của Anthropic tự cho rằng, trong phần quan trọng nhất của đào tạo mô hình, AI vẫn chưa đóng góp một cách quan trọng và hoàn toàn tự chủ, lợi ích chính hiện tại vẫn đến từ sự trợ giúp của AI cho con người trong phát triển.
Nhưng các nhà nghiên cứu của Anthropic đã mô tả nhiều đóng góp tự chủ của AI như là "dấu hiệu của sự sống" (signs of life), và có phân tích định lượng thống kê tỷ lệ nhiệm vụ hoàn thành bởi AI so với con người trong từng khâu, nhưng dữ liệu đã bị Anthropic xóa bỏ.
Chỉ cần mô hình mạnh hơn có thể giúp các nhà nghiên cứu phát triển thế hệ tiếp theo nhanh hơn, quá trình phản hồi có thể tiếp tục được tăng cường. Con đường RSI có thể đi xa bao nhiêu, phụ thuộc vào các khâu chưa được tự động hóa, cũng như liệu sức mạnh tính toán và các nguồn lực khác có thể theo kịp hay không.
Trong dự đoán về tương lai gần, METR không thấy có nút thắt nào rõ ràng sẽ ngăn chặn sự tiến bộ nhanh chóng trong 12 tháng tới, nhưng cũng thừa nhận rằng với sự gia tăng thông tin, họ đã nhiều lần thay đổi đánh giá, hiện tại sự tự tin là hạn chế.
Ngoài ra, mặc dù Anthropic đã cho tổ chức bên thứ ba METR vào điều tra nội bộ, nhưng báo cáo 100 trang hiện tại đã bị họ cắt giảm đáng kể. Hầu hết các bằng chứng thuyết phục nhất đã bị Anthropic tự xóa bỏ.
Báo cáo đi kèm được phát hành cùng ngày cũng cho thấy sự khác biệt giữa hai bên trong việc diễn đạt rủi ro: Anthropic đã mô tả một chỉ số dẫn đầu nào đó là tốc độ tiến bộ "chưa đến hai lần", METR dựa trên dữ liệu nội bộ của họ tính toán khoảng 1.97 lần, cho rằng cách diễn đạt chính xác hơn nên là "khoảng hai lần". Sự tăng tốc gấp đôi liên quan đến ngưỡng cảnh báo sớm của Anthropic.
METR cho rằng, không thể loại trừ khả năng đã vượt qua ngưỡng liên quan tính đến ngày 15 tháng 7, nhưng hầu hết các nhà nghiên cứu liên quan vẫn có xu hướng cho rằng lúc đó chưa vượt qua. Cả hai bên cũng đều cho rằng, vào thời điểm đó, rủi ro thảm họa trực tiếp của các mô hình liên quan là thấp.
Khi tốc độ tham gia phát triển của mô hình ngày càng nhanh, liệu mọi người có thể kịp thời nhìn thấy sự thay đổi, công ty có thể công khai đầy đủ sự không chắc chắn hay không, đang trở thành câu hỏi cần phải trả lời trước khi thế hệ AI tiếp theo đến.
Nội dung tham khảo:
https://metr.org/blog/2026-11-05-anthropic-ai-rd-acceleration-assessment/#executive-summary
https://x.com/METR_Evals/status/2118412183860351084
© KẾT THÚC