Hugging Face 联合创始人 Thomas Wolf 批评 METR 的 Anthropic 报告「非常内向」，称大量「AI 加速 AI 研发」发生在实验室之外

11 月 5 日，非营利 AI 评估机构 METR ：自 2025 年 10 月以来，Anthropic 模型在基准上的能力得分以约 1.9 倍于此前趋势的速度增长，报告猜测这轮加速的多数——约 80%——来自 AI 本身。当日 23:05（UTC，北京时间 6 日清晨），Hugging Face 联合创始人 Thomas Wolf（@Thom_Wolf）这份报告「非常内向（inward looking）」：它统计的是实验室自己的算力、招聘和内部数据；按他的外部观察，很多「AI 加速 AI 研发」实际发生在实验室之外。

METR 做这项评估的背景是：AI 研发加速是 Anthropic Responsible Scaling Policy（负责任扩展政策）里列明的关键风险指标，该机构认为，若 AI 显著加速 AI 研发，极端且有风险的能力可能突然出现。

Wolf 帖文的三层批评与一条结论

Wolf 的自述其为 Hugging Face 联合创始人，账号经平台认证，粉丝约 13.7 万。

方法论层面，他写道：「在我看来，这份 METR 关于 Anthropic AI 研发加速的报告非常内向。它统计这家实验室的算力、招聘和内部数据，然后把约 80% 的提速归因于 AI。」

资金层面：「我从外部看到的是：实验室正在成为资金的 schelling point（谢林点，指博弈各方无需沟通便会默认汇聚的协调点），把资金重新分配给一个它们为加速自身发展而建立的生态系统。」

机制层面：「这是一种共生。最好的数据和 RL（强化学习）环境公司现在比实验室更早知道模型会在哪里失败，而实验室会直接买下它们提出的方案。这会同时反馈到每一家实验室。」

结论是帖文最后一句：「很多『AI 加速 AI 研发』发生在实验室之外。」

帖文没有附报告链接或数据，以上全部是 Wolf 的单方观察；他所说的报告，与 METR 当天发布的 "Independent Assessment of AI R&D Acceleration at Anthropic in October 2026" 各项特征吻合。

报告原文：归因被标注为「猜测」

METR 自述致力于科学测量 AI 系统是否以及何时可能对社会造成灾难性危害。11 月 5 日，它，报告全文发布于官网。报告写明：由 2.5 名全职等效人员组成的团队从 8 月 12 日到 10 月 29 日在 Anthropic 内部完成了一次试点性质的高权限评估，历时约十一周，重点回答三个问题——能力增长是否加速、多大比例可归因于 AI、近期是否存在拖慢加速的瓶颈。

核心测量基于 AECI（Anthropic 版的 Epoch Capabilities Index，一个聚合内外部基准得分的能力指数）：2025 年 10 月前的趋势约为每年 +15 分，之后约为每年 +29 分，对应 1.9 倍加速（95% 置信区间 1.5～2.8 倍），大约相当于过去一年走完了此前两年的进度。报告给出几个配套判断：团队「有信心地」确定加速并非来自训练算力规模增长的提速；对研究者的访谈估计范围很宽，但集中在 2 倍上下；员工在 Slack 投票中自报的 AI 提速从 Claude 3.7 Sonnet 时期的约 1.2 倍升至 2026 年 10 月内部 Model 4 的约 12 倍，METR 自己把这类自报数据称为「非常宽松的证据」。

归因部分正是 Wolf 引用的对象。报告原文是：「我们猜测，当前（2026 年 10 月）加速中的多数（或许约 80%）来自 AI」，紧随其后的是限定语：这一判断「存在很大不确定性」，2025 年底的加速「很可能受到非 AI 因素影响」。报告还表示，未发现会在未来 12 个月内生效的明显瓶颈，因此存在进度进一步加速的重大风险。

Wolf 和 METR 对这个数字的定性不同：METR 把 80% 写成标注了大幅不确定性的主观猜测，Wolf 把它当作报告向内统计的例证。

报告披露的数据清单：从算力指标到员工访谈

Wolf 点名的三类信息都在报告披露的开放清单里。Anthropic 向 METR 开放的资料包括：内部模型基准分与 AECI、预训练与 RL 的算法效率及模型强度历史数据、算力利用率/推理效率/数据效率的改进记录、员工人数及进度到具体员工的归因、多个领域的训练算力指标、按团队统计的自报 AI 提速调查、全公司与部分研究团队的代码行数和 pull request（代码合并请求）、AI 代理推理支出随时间的变化，以及约 15 次关键员工访谈。METR 写道，实际拿到的信息「超出了我们的预期」。

评估过程本身还有几个细节：出于安全考虑，METR 期间使用 Anthropic 提供的设备工作；Anthropic 为评估提供免费 token（模型调用用量单位），但 METR 未收取 Anthropic 费用；约 100 页的完整报告于 10 月 22 日交付给 Anthropic，最终公开版 11 月 3 日提交；原定合同中「核验算力在能力与安全之间的分配」一项被 Anthropic 中途取消，该机构称是想让这次合作暂时聚焦风险评估。在 METR 的分析框架里，这些输入被组织成一条管线：算法、数据质量与算力汇入预训练与 RL 两个环节，再决定最终能力——统计对象始终是实验室墙内的投入。

Anthropic 的回应：认可多数结论、捍卫删节、预告自家分析

在 Wolf 发帖前约四小时，Anthropic 联合创始人 Sam McCandlish 已，帖文自述「我是 Sam，Anthropic 联合创始人之一，负责我们大部分安全工作」。他说，这项合作由 Anthropic 在今年早些时候启动，向 METR 开放了未发布模型的基准分、进度估计和研究者访谈等敏感内部数据，METR「在形成自己的结论上拥有完全的独立性」；「他们的许多结论与我的判断一致。AI 正在加速我们的研究，但很难说清究竟加速了多少。」

对报告中的大量删节，McCandlish 给出了 Anthropic 的理由：「我们删掉了很多内容，我承认这让其他人更难核查 METR 的工作。但我们认定，公开究竟是什么在驱动提速并非正确的做法——这既涉及商业敏感信息，也可能把一张『如何更快』的路线图递到别人手里，那会让 METR 担心的风险变得更糟。」METR 在报告开头的说法与之对应：Anthropic 行使了单方面删节权，把「对我们结论最有信息量的多数证据」删去，理由被 Anthropic 描述为「移除可能加速其他 AI 开发者的机密信息」；其结果是「公众在远超理想的程度上只能依赖 METR 的判断」。McCandlish 同时预告，Anthropic 计划在未来几周发布自己对内部 AI 进度速度的分析，包括对照其 Responsible Scaling Policy 的位置，以及配套的安全措施。

第一批回音，与一个尚未被检验的论点

Wolf 的帖文发出约一小时后，Encode AI 首席战略官 Nathan Calvin 说：「有点意思。如果那是主要现象，我会非常惊讶，但我不确定，很希望 METR 或 Anthropic 的人来回应。」AI 投资人 Jianing Xiong 则顺着他的方向：许多行业仍未充分数字化，实验室只能看到部分图景，而「变得更聪明，不等于接入现实世界正在发生的事」。截至核查时——Wolf 发帖约一小时后——他的帖文浏览量约 3,700 次；METR 的发布帖在发出约六小时后浏览量约 44 万。

报告自己的局限性清单与 Wolf 的质疑方向部分重合：无 AI 的反事实增长率「只能靠猜」；非 AI 因素有可能解释全部或大部分加速；AECI 集中在容易自动判分的「干净」任务上，可能高估现实影响；如果把 OpenAI、Google、xAI 的公开模型一并计入，同一指数测得的加速只有 1.4 倍。但无论取哪个数字，METR 的归因框架统计的都是实验室墙内的投入；就公开部分而言，报告没有对 Wolf 所说的外部生态贡献给出度量。至于加速究竟有多少发生在墙外，至少在本次报道能核查的公开材料里，还没有能回答它的数据。目前可核验的下一个节点，是 McCandlish 承诺「未来几周」内发布的 Anthropic 自家分析。

参考链接

Thomas Wolf 的 X 帖文：
METR 报告《Independent Assessment of AI R&D Acceleration at Anthropic in October 2026》：
METR 的报告发布帖：
Sam McCandlish 的 X 帖文：
Nathan Calvin 的回复：
Jianing Xiong 的回复：
Thomas Wolf 的 X 主页：_