前OpenAI研究员改口：超级AI研究员可能明年就来！

新智元报道

我们的时间表提前了！

11月11日，前OpenAI研究员Daniel Kokotajlo在X上转发团队的新预测时说，「我感到恐惧、悲伤和愤怒」。

他认为，智能爆炸似乎终究会在2027年发生：如果METR的判断成立，AI驱动的研发提速，就比《AI 2027》当初推演的提前了约五个月。

当AI开始帮人类研发下一代AI，连最激进的预测者，也可能低估AI模型进步的速度。

不到三个月，《AI 2027》背后的预测团队AI Futures Project，就把超级AI研究员（SAR）到来的时间表拨到了明年。

此前，团队里最乐观的Daniel Kokotajlo，在提到「2029年前出现超级AI研究员」时，也只给出五成概率。

11月10日，AI Futures Project公布了新一轮预测（Q3.5）。

署名作者一致认为，如果前沿AI研发没有显著主动放缓，超级AI研究员很可能在2027年出现。

促使他们改判的最重要依据，是独立评估机构METR对Anthropic做的一项调查。

METR花了11周调研Anthropic，查阅内部数据，也访谈了员工，最终估算出一个数字：

从2025年10月起，Anthropic内部模型的基准分增速，达到了此前的1.9倍。

据这个估算，Anthropic的模型在这组测试里一年的涨幅，相当于过去近两年的增长。

跑分增速接近翻倍

AI帮了多少忙？

11月5日，METR发布了这份报告。

为了看Anthropic的模型进步了多快，METR用了一项叫作AECI的内部指标。

它把多项测试的成绩合成一个总分，多数测试都有明确的目标，结果也能核验。

METR估算，从2025年10月起，这个总分上涨的速度约为此前的1.9倍，95%置信区间为1.5到2.8倍。

2025年10月前后，模型综合得分的年增幅从约15分升至约29分。（图源：METR）

怎么估计题目难度，也会影响结果。

METR换了几种假设重算，发现2025年10月后的涨分速度约为此前的1.1到2.9倍。

几种算法得出的增速不同，但趋势已经很明显：分数涨得更快了。

为什么分数涨得更快了？

METR考察了训练算力、招人、数据和算法的变化，认为训练算力增长速度的变化解释不了这次提速。

支撑这一判断的具体证据，却在公开版报告里被删去了。

至于AI贡献了多少，METR认为，这个比例也在随时间变化。

2025年底刚开始提速时，AI之外的因素很可能也起了作用。

可到了2026年10月，METR估计，比过去快出来的那部分，可能有八成左右来自AI。

注意，这个「八成」是METR的主观估计。报告用了「We guess」（我们推测），并明确指出这个判断有很大的不确定性。

AI与其他因素对模型提速的贡献示意，橙色区域为AI带来的额外提速，灰色为未细分的非AI因素。

那么AI具体帮了什么忙？

一位受访研究员说，以前有些点子光是写代码、把实验跑起来，就得花一两天。

有了AI帮忙，他就愿意多试几个，看看哪些行得通。

其他受访研究员还提到，AI会帮着写实验代码、照看实验运行，完成一些过去需要额外花很多工夫才能做的测量。

有人甚至会一次把十个想法交给智能体，让它帮忙实现和测试。

从写代码到跑实验，AI已经在帮着研发下一代AI。

而按AI Futures Project的新估计，这种提速可能比《AI 2027》当初推演的来得更早。

AI研发提速

可能比《AI 2027》推演快了5个月

2025年4月发布的《AI 2027》，就推演过AI怎么帮着开发下一代模型。

按当时设定，虚拟公司OpenBrain要取得同样多的算法进展，不用AI得花一周半，用上AI只要一周。

但算法进步只是模型进步的一部分。

一个改进从实验里跑出来，还得用到下一轮训练里，才能体现在新模型的能力上。

这一次，AI Futures Project根据METR的估计推算，到2026年11月初，仅AI带来的提速，就可能让模型整体进步的速度达到历史水平的1.7倍。

为了看看这个速度在旧情景里什么时候才会出现，团队用模型复现了《AI 2027》的大致趋势。

结果显示，同样的1.7倍速，要到2027年4月左右才会达到。如果11月初的估计成立，模型进步速度达到1.7倍的时间，就比旧情景提前了大约五个月。

这个结果也超出了团队不到三个月前的预期。

即使按当时最乐观的预测模型来算，AI在2026年11月就把模型整体进步速度推到历史水平的1.7倍或更高，概率也不到4%。

超级AI研究员

要自己决定研究什么

METR的报告，也让AI Futures Project把超级AI研究员的时间表往前推了。

按他们的定义，超级AI研究员首先要能包办一个前沿AI项目的编程工作。

在选择研究方向、设计实验、解读结果这些事上，它还要有顶尖人类研究团队的判断力。

代码写完，接下来该试哪个想法？实验失败了，是继续查原因，还是换个方向……这些没有现成答案的决定，AI得自己拿主意。

那么，AI什么时候能跨过这道门槛？

同一份报告里，三种方法算出来的时间就差了一年多。

一种方法先假设AI已经把模型进步的速度推到了历史水平的1.7倍。再算上AI今后可能接手更多研发工作。

按这套模型，预测中位数是2027年2月，即超级AI研究员在这一时间点之前出现的概率约为一半。

另一种方法按模型在测试中进步的速度往后推，估算它什么时候能具备顶尖研究团队的判断力，算出的中位数是2027年7月。

还有一种方法，用Anthropic员工自己报告的效率提升来推算，结果到了2028年年中。

Anthropic删了哪些关键证据？

METR在报告开头就说，他们认为最有助于判断核心结论的证据，大部分都被删去了。

报告还列了一张表，逐项对照Anthropic向METR提供了哪些内部资料，以及哪些结果写进了公开版。

内部模型的跑分趋势公开了，算法进步的估算和关键研发投入没有披露。至于AI对研发提速的贡献，公开版只列出了部分证据。

按事先约定，Anthropic可以删节非公开信息，METR则可以指出哪些结论依赖这些材料。

Anthropic给出的理由是，公开这些机密信息可能帮助其他开发者加快AI研发。

删节之后，外界还能核验哪些结论？

AI Futures Project指出，跑分增速约为此前的1.9倍，有公开曲线支撑。

至于「额外提速可能有八成来自AI」和据此推算的1.7倍，公开证据要少得多。

外界要判断这两个数字是否可靠，更多要依赖METR对内部资料的评估。

11月5日，METR还发布了对Anthropic 8月风险报告的复核。

METR和Anthropic都认为，用7月中旬的模型自动做研发，直接引发灾难的风险还比较低。双方也都倾向于认为，当时的研发提速还没到Anthropic设下的预警线。

不过，METR认为，Anthropic的公开报告低估了当时的提速幅度，实际提速也有可能已经触及预警线。

接下来，先看AI帮研究员更快写代码、跑实验，能不能让下一代模型更早交付。再看这个更强的模型投入研发后，能不能把再下一轮的研发周期也缩短。

如果提速能一代代累积，超级智能（ASI）就可能比预想更早到来。

参考资料：

https://blog.aifutures.org/p/q35-timelines-update-looks-like-the

https://metr.org/blog/2026-11-05-anthropic-ai-rd-acceleration-assessment/

https://ai-2027.com/

编辑：元宇