行业观察官方发布 · metr.org
METR 更新能力评测:模型在 AI 研发相关任务上的时间视野约每 3.6 个月翻倍
OmniTools 11月21日消息,METR 发布截至 Opus 5.5 和 GPT-6 Astra 的能力评测更新。结果显示,模型在 TH1.1 与 TH2 任务上的时间视野约每 3.6 个月翻倍;在可验证子集上,翻倍时间约为 1.65 个月。METR 同时指出,随着模型能力提升,对 AI 研发相关能力的测量正变得更困难。
OmniTools 11月21日消息,METR 发布截至 Opus 5.5 和 GPT-6 Astra 的能力评测更新。结果显示,模型在 TH1.1 与 TH2 任务上的时间视野约每 3.6 个月翻倍;在可验证子集上,翻倍时间约为 1.65 个月。METR 同时指出,随着模型能力提升,对 AI 研发相关能力的测量正变得更困难。