能力评测指数

第三方评估机构 METR 披露 Anthropic 三个未公开内部模型 Model 2/3/4，分别于今年 7 月至 10 月完成训练。最强 Model 4 在 Anthropic 综合能力指数 AECI 上达 178.6，超过一个半月前发布的 Opus 5.5 约 3.9 分，相当于约 3 个月的常规进步幅度。联合创始人 Sam McCandlish 承认 AI 正加速 Anthropic 自身研发，但公开报告删去了大量细节。

METR 独立评估认为，截至 2026 年 10 月，Anthropic 在目标明确任务上的模型能力提升速度约为 2024 年 3 月至 2025 年 10 月的 2 倍，区间 1.3 至 3 倍，其中约八成加速可能来自内部大量使用 AI 做研发。核心量化证据是 AECI 指数增速达此前 1.9 倍（95% 置信区间 1.5 至 2.8 倍），且 METR 未看到明显瓶颈或收益递减，未来 12 个月可能进一步加速。

Artificial Analysis 以 100 美元预算为标尺，对比了各模型在相同预算下可完成的任务量：Opus 5.5 在高推理强度下约可完成 40 个 Intelligence Index 任务，而 DeepSeek V4.1 Flash 与 GPT-6 Luna 在同一预算下分别约为 166 个和 2500 个，体现出前沿模型单任务推理成本的巨大差距。同一时间，苹果把工程师的 AI 使用额度从每天 300 美元下调至 200 美元，并计划进一步降至 100 美元，部分团队甚至降至 25 美元，说明企业侧正在把“单位任务成本”当作部署大模型的核心考核指标。这是一条供决策参考的观察数据，未披露具体的评测方法，也没有模型发布或能力升级。