La organización sin fines de lucro METR auditó durante once semanas los datos internos de investigación de Anthropic y concluyó que el ritmo de mejora de sus modelos casi se duplicó. Según el informe, cerca del 80% de esa aceleración viene del uso de IA en la propia investigación de la empresa. Anthropic, eso sí, tachó la evidencia más importante antes de la publicación.

Que la IA acelere el desarrollo de mejores IA es una de las señales de alerta temprana del debate sobre seguridad. El temor es un circuito de retroalimentación en que cada modelo mejora a su sucesor cada vez más rápido, algo que según METR podría llevar a una "aparición repentina de capacidades extremas y riesgosas". Anthropic marca justo ese tipo de aceleración como indicador de riesgo en su Política de Escalamiento Responsable. Si el ritmo de avance de la IA se duplica por la investigación automatizada, debería activarse un nivel de alerta.

METR se propuso verificar eso. Entre otras cosas, la organización estudia si los desarrolladores de IA podrían perder el control de sus sistemas. Del 12 de agosto al 29 de octubre de 2026, un equipo equivalente a 2,5 personas de jornada completa tuvo lo que describe como un acceso sin precedentes a resultados de pruebas de modelos no lanzados, métricas de entrenamiento, encuestas a empleados y análisis internos, además de unas 15 entrevistas con investigadores de Anthropic. METR no recibió dinero de Anthropic, pero trabajó en equipos de la empresa por razones de seguridad.

El director ejecutivo de Anthropic, Dario Amodei, se había comprometido hace poco a llevar auditores externos a la compañía. En octubre, Anthropic anunció una colaboración con METR con "acceso equivalente al de un empleado". Según METR, la auditoría actual es un proyecto distinto y de alcance más acotado.

Dos años de avance en uno

Desde octubre de 2025, los puntajes de prueba de los modelos de Anthropic suben unas 1,9 veces más rápido que entre marzo de 2024 y octubre de 2025, según METR. La medición usa el AECI, una métrica compuesta que agrupa muchas pruebas. Anthropic logró en un año lo que antes le tomaba dos, un salto comparable al que hubo entre Claude 2.1 y Sonnet 4.5. El análisis incluyó tres modelos no lanzados que terminaron su entrenamiento entre julio y octubre de 2026.

Antes de octubre de 2025, los modelos de Anthropic ganaban unos 15 puntos AECI por año. Desde entonces, el ritmo llega a 29.

METR descarta que la aceleración venga de un crecimiento más rápido del cómputo de entrenamiento. Los auditores estiman que cerca del 80% del aumento actual sale del uso de IA en la investigación de Anthropic. Un empleado lo resumió así en las entrevistas.

"Ahora solo nos frenan las ideas y el cómputo, ya no nos frena el código."

Otros contaron que experimentos que antes tomaban uno o dos días de preparación hoy son "casi gratis". En encuestas informales hechas por Slack en octubre de 2026, los empleados dijeron en promedio que el último modelo interno los hacía unas doce veces más productivos. METR trata esas autoevaluaciones como "evidencia muy laxa", poco representativa y probablemente exagerada. La productividad declarada subió de 1,2 veces con Claude 3.7 Sonnet a 12 veces con el modelo interno que el informe llama Model 4.

La IA todavía no hace investigación de forma completamente autónoma. La aceleración viene sobre todo de la IA usada como asistente, aunque METR ve "señales de vida" de que los aportes independientes podrían pesar más pronto. Los auditores no encontraron cuellos de botella que vayan a frenar el ritmo en los próximos doce meses, por lo que existe un "riesgo significativo" de que la aceleración siga creciendo durante el próximo año.

¿Qué tan precisa es la estimación?

METR insiste en que los resultados son imprecisos. El factor real de aceleración podría ser tan bajo como 1,3 o tan alto como 3. Si se suman los modelos de OpenAI, Google y xAI, la cifra de toda la industria baja a 1,4. Una posible explicación es que Anthropic iba detrás de sus competidores en 2025 y un efecto de recuperación distorsiona las cifras.

Dentro de Anthropic tampoco hay una sola opinión. Un investigador atribuye a la IA solo entre 15% y 20% de las ganancias de productividad y desconfía de lo que reportan sus colegas. Otro cree que el factor más importante de los últimos meses fueron las contrataciones nuevas.

La evidencia tachada

Anthropic tenía derecho unilateral a censurar toda la información no pública, y lo usó a fondo. Según METR, la mayor parte de la evidencia que los auditores consideraban más informativa quedó fuera, incluidas las proyecciones para modelos futuros, el desglose por etapas de entrenamiento y el análisis de cuellos de botella. Anthropic dice que las censuras buscaban "eliminar información confidencial que podría acelerar a otros desarrolladores de IA".

El resultado es que el público tiene que confiar en el juicio de METR "mucho más de lo que sería ideal", escribe la organización, y no hay transparencia posible sobre la evidencia. Uno de los gráficos del informe lleva las palabras "FAKE DATA" (datos falsos) en letras grandes.

Anthropic canceló la auditoría del cómputo

En una revisión complementaria, METR también analiza el informe de riesgos que Anthropic publicó en agosto de 2026. En ese documento, la empresa afirmó que la aceleración era "menor a un factor de 2". Según METR, la versión interna sin censura implica un valor de 1,97, y la propia Anthropic considera "plausible" que el umbral se haya cruzado. METR cree posible que el nivel de alerta se haya alcanzado ya el 15 de julio, y acusa al informe público de subestimar tanto la aceleración como la incertidumbre que la rodea.

Por ahora METR comparte la evaluación de Anthropic de que el riesgo catastrófico inmediato es "bajo". Pero no puede descartar otra aceleración brusca en los próximos seis meses, que podría subir rápido esa calificación de riesgo.

En el plan original, METR también iba a verificar cómo reparte Anthropic su cómputo entre investigación de capacidades e investigación de seguridad. Anthropic canceló esa parte a mitad del proyecto. Dijo que quería concentrarse primero en la evaluación de riesgos y retomar la auditoría del cómputo más adelante.

Daniel Kokotajlo, el investigador detrás del escenario "AI 2027", respondió con dureza en X. Según él, auditar el reparto del cómputo es la base para que los compromisos de frenar el desarrollo se puedan verificar.