W skrócie
- METR szacuje, że w październiku 2026 r. Anthropic poprawiał modele w dobrze określonych zadaniach około 2 razy szybciej niż od marca 2024 r. do października 2025 r., z niepewnością od 1,3 do 3 razy.
- Około 80% obecnego przyspieszenia METR przypisuje używaniu AI w pracach badawczych, zaznaczając, że to ocena subiektywna i obarczona dużą niepewnością.
- Anthropic utajnił większość dowodów, które METR uznał za najważniejsze, a w trakcie prac wycofał z 11-tygodniowego badania sprawdzenie podziału mocy obliczeniowej.
Stan na 7 listopada 2026
O czym jest raport METR
METR, organizacja non-profit badająca zaawansowane agenty AI, opublikowała 5 listopada 2026 r. niezależną ocenę tego, jak bardzo AI przyspiesza prace badawczo-rozwojowe w Anthropic. Podstawą oceny są wewnętrzne dane firmy.
Pytanie jest ważne z prostego powodu: jeśli modele zaczną istotnie przyspieszać tworzenie następnych modeli, nowe i ryzykowne możliwości mogą pojawić się nagle. Anthropic sam wymienia przyspieszenie badań jako jeden z kluczowych wskaźników ryzyka w swojej polityce Responsible Scaling Policy, choć METR zaznacza, że nie przywiązuje tu szczególnej wagi do progów z tego dokumentu. Na początku listopada pisaliśmy o ostrzeżeniu samego Anthropic przed przyspieszeniem rozwoju AI. Raport METR to ocena z zewnątrz, choć nadal zależna od tego, co firma pokazała i na co pozwoliła.
The Verge nazywa te wyniki jednym z najwyraźniejszych dotąd dowodów na to, że AI przyspiesza własny rozwój, i zwraca uwagę, że raport wychodzi, gdy Anthropic przygotowuje się do wejścia na giełdę, a prezes Dario Amodei publicznie wzywa laboratoria do spowolnienia prac. Szersze tło ryzyk opisuje nasz przewodnik po zagrożeniach AI.
Metoda: 11 tygodni z dostępem do danych Anthropic
Zespół METR (odpowiednik 2,5 etatu) pracował od 12 sierpnia do 29 października 2026 r. i odpowiadał na trzy pytania: czy tempo poprawy modeli wzrosło, jaka część wzrostu wynika z AI oraz czy widać wąskie gardła, które mogą je wyhamować. Powstał raport pełny, około 100 stron, a jego publiczna wersja jest znacznie skromniejsza.
Zespół dostał między innymi:
- wyniki benchmarków modeli wewnętrznych, w tym trzech, których trening zakończył się między lipcem a październikiem 2026 r.;
- dane o efektywności algorytmów, mocy obliczeniowej do treningu i wydatkach na agentów;
- wewnętrzne ankiety, liczbę linii kodu i zgłoszeń zmian;
- około 15 rozmów z kluczowymi pracownikami.
Głównym miernikiem jest AECI, czyli wersja indeksu Epoch Capabilities Index stosowana przez Anthropic. METR wyjaśnia pojęcie wprost: przyspieszenie 2 razy oznacza, że w rok powstaje tyle postępu, ile wcześniej w dwa lata. To nie znaczy, że model jest 2 razy lepszy.
Warunki współpracy są częścią wyniku. METR nie wziął od Anthropic pieniędzy, ale dostał darmowe tokeny, pracował na urządzeniach firmy, a Anthropic mógł odmówić dostępu do danych i miał prawo utajniać niepubliczne informacje w raporcie. METR dostał prawo, by ujawnić, że utajnienia nastąpiły. Zespół nie mógł czytać dokumentów na żądanie ani obserwować wewnętrznych dyskusji i przyznaje, że taki dostęp pozwoliłby na znacznie głębszą ocenę. Pisze też, że Anthropic pokazał więcej, niż zakładano, a taki zakres dostępu nazywa bezprecedensowym.
Wyniki: co METR znalazł
- Tempo: około 2 razy szybsze tempo to pogląd większości zespołu, w którym były wewnętrzne spory. Od października 2025 r. wyniki AECI rosną 1,9 raza szybciej niż wcześniej (95% przedział ufności: 1,5–2,8). Według METR Anthropic zrobił w rok mniej więcej tyle postępu w benchmarkach, co od października 2023 r. do października 2025 r., czyli w przybliżeniu drogę od Claude 2.1 do Sonnet 4.5.
- Odporność wyniku: po zmianie założeń analizy przyspieszenie wynosi od 1,1 do 2,9 raza, a po dołączeniu czołowych modeli innych firm 1,4 raza; METR nie rozstrzyga, który wynik jest trafniejszy. Karta systemowa Haiku 5.5 podawała w jednej z dwóch hipotez 1,7 raza; METR ma więcej, bo uwzględnił nowsze, niewydane modele.
- Przyczyna: METR jest pewien, że przyspieszenie nie wynika z szybszego wzrostu mocy obliczeniowej do treningu. Około 80% obecnego przyspieszenia przypisuje używaniu AI, ale to szacunek zespołu. Przyspieszenie z końca 2025 r. miało prawdopodobnie także inne przyczyny.
- Deklaracje pracowników: w nieformalnych ankietach na Slacku pracownicy deklarowali w październiku 2026 r. średnio około 12-krotne przyspieszenie własnej pracy. METR traktuje to jako bardzo słaby dowód i podkreśla, że taka liczba nie przekłada się na tempo całej firmy.
- Autonomia: AI nie potrafi jeszcze samodzielnie wnosić bardzo ważnego wkładu w najważniejsze etapy treningu modeli. Przyspieszenie płynie głównie z pomocy ludziom, choć badacze opisują pierwsze sygnały, że taki wkład może pojawić się wkrótce.
- Hamulce: METR nie widzi na najbliższe 12 miesięcy poważnych wąskich gardeł w algorytmach, mocy obliczeniowej ani danych, ale zaznacza, że jego ocena kilka razy się zmieniała.
Stąd ostrzeżenie: istnieje poważne ryzyko, że dalszy postęp przyniesie jeszcze szybsze przyspieszenie w ciągu najbliższego roku. To subiektywna ocena zespołu, nie wynik pomiaru. W osobnym przeglądzie raportu ryzyka Anthropic METR zgadza się, że ryzyko katastrofalne ze strony modeli z 15 lipca było niskie. Uważa za możliwe, że modele te przekroczyły już wczesny próg ostrzegawczy, choć badacze METR i pracownicy Anthropic skłaniają się ku temu, że jeszcze nie.
Czego raport nie mówi: utajnienia i ograniczenia
Najważniejsze zastrzeżenie stawia sam METR: Anthropic utajnił większość dowodów, które zespół uważa za najbardziej pouczające. Firma tłumaczy to chęcią „usunięcia poufnych informacji, które mogłyby przyspieszyć innych twórców AI” (cytat z raportu METR). W publicznej wersji nie ma między innymi szacunków postępu algorytmów, szczegółów wąskich gardeł ani prognoz dla przyszłego modelu. METR pisze wprost, że opinia publiczna musi polegać na jego osądzie znacznie bardziej, niż byłoby to pożądane.
Druga sprawa: pierwotnie METR miał też sprawdzić, ile mocy obliczeniowej Anthropic przeznacza na rozwój możliwości, a ile na bezpieczeństwo. Firma wycofała ten element w połowie prac, zanim METR doszedł do jakichkolwiek wniosków. Tłumaczy to chęcią skupienia prac na ocenie ryzyka i zapowiada powrót do tematu później.
Wynik może być zaniżony, jeśli tempo ciągle rośnie albo benchmark nie oddaje skutków w realnym świecie. Może być też zawyżony, jeśli większość albo całość wzrostu wynika z czynników innych niż AI, modele dopasowały się do zadań z benchmarku albo wcześniejsze tempo Anthropic było wyjątkowo niskie; METR podaje, że przed końcem 2025 r. firma rosła w AECI wolniej niż czołówka branży. Raport dotyczy jednej firmy i zadań, które łatwo ocenić automatycznie, więc nie ocenia osobno tempa OpenAI czy Google ani tego, jak modele radzą sobie z nieuporządkowaną pracą, np. biurową.
Co z tego wynika dla firm w Polsce
Claude jest oficjalnie dostępny w Polsce, a raport nie mówi nic o cenach ani planach, więc nikt nie musi dziś niczego zmieniać na koncie. Według METR modele wewnętrzne z raportu nie były w chwili jego powstania w sprzedaży. Raport przydaje się przy planowaniu. Na przykład firma, która raz w roku wybiera narzędzia AI i pisze zasady ich używania, przy tempie 2 razy szybszym od dawnego ocenia w jednym przeglądzie zmianę, na którą wcześniej przypadały dwa lata (szacunek redakcji oparty na wyniku METR, tylko dla Anthropic i tylko dla benchmarków). Naszym zdaniem rozsądniejszy jest przegląd co pół roku, a przy dużej premierze w rodzinie Claude 5 i u konkurencji krótki test na własnych zadaniach.
Liczby z raportu nie obiecują, że w polskiej firmie faktury, umowy czy oferty będą się robić 2 razy szybciej. Benchmark mierzy zadania dobrze określone i łatwe do sprawdzenia. Praca w firmie często taka nie jest, a to właśnie METR podaje jako jedną z możliwych przyczyn zawyżenia wyniku.
Co to znaczy dla Ciebie
Jeśli używasz AI w firmie, potraktuj ten raport jako sygnał do częstszych przeglądów, nie do pośpiechu: dwa razy w roku sprawdź narzędzia i zasady ich używania na kilkunastu własnych zadaniach. Nie przenoś liczby 2 razy na własną wydajność, bo METR mierzy benchmarki, nie Twoją pracę. Nie ufaj też w ciemno żadnej ze stron: raport przygotowała zewnętrzna organizacja, ale większość najważniejszych dowodów pozostaje utajniona. Wróć do tematu, gdy METR lub Anthropic ujawnią kolejne dane albo gdy ukaże się podobna ocena innej firmy.
Najczęstsze pytania
Czym jest METR?
To organizacja non-profit badająca najbardziej zaawansowane agenty AI, by ocenić, czy ich twórcy nie tracą nad nimi kontroli. W ocenie Anthropic nie wzięła od firmy pieniędzy, ale dostała darmowe tokeny.
Czy AI już sama rozwija kolejne modele Anthropic?
Według tego, co ustalił METR, jeszcze nie. AI nie potrafi samodzielnie wnosić bardzo ważnego wkładu w najważniejsze etapy treningu; przyspieszenie płynie głównie z pomocy ludziom, choć badacze opisują sygnały, że może się to wkrótce zmienić.
Czy przyspieszenie 2 razy znaczy, że Claude jest 2 razy lepszy?
Nie. Oznacza, że w rok powstaje tyle postępu w benchmarkach, ile wcześniej w dwa lata. METR podaje niepewność od 1,3 do 3 razy i zastrzega, że dotyczy to zadań dobrze określonych.
Dlaczego część raportu METR jest utajniona?
Umowa dała Anthropic prawo utajniania niepublicznych informacji. Firma mówi, że chce chronić dane, które mogłyby przyspieszyć konkurencję. METR ujawnił, że utajniono większość dowodów najważniejszych dla jego wniosków.
Źródła i data sprawdzenia
- METR: Independent Assessment of AI R&D Acceleration at Anthropic in October 2026
- METR: przegląd sekcji o automatyzacji badań w raporcie ryzyka Anthropic
- The Verge: raport o automatyzacji rozwoju AI w Anthropic
Sprawdzono 7 listopada 2026
Czytaj dalej
W tej sprawie
W tej sprawie
W tej sprawie
Zobacz też
Zobacz też
Zobacz też
Zobacz też
Zobacz też
Zobacz też
- Sora od OpenAI: co się stało, czy jeszcze działa i czym ją zastąpić
- VOLTA: złośliwy program pyta AI, ile warte są dane ofiary
- Sieć ponad 400 aplikacji i stron AI ukrywała generator deepfake’ów
- Oznaczanie treści AI: art. 50 AI Act w praktyce, z wzorami oznaczeń
- Kradzież tożsamości: co robić, jak zastrzec PESEL i jak AI pomaga oszustom
Zobacz też
Zobacz też
- NCSC: do 2028 r. Rosja i Chiny rutynowo użyją AI w cyberatakach
- Spoofing: jak oszuści podrabiają numer, SMS, e-mail i głos (i jak to sprawdzić)
- Quishing: jak rozpoznać fałszywy kod QR, sprawdzić go przed otwarciem i gdzie zgłosić
- Silne hasło w 2026 r.: jak je ułożyć, gdy AI zgaduje hasła szybciej
- Passkey (klucz dostępu): logowanie bez hasła i jak je włączyć
- Fałszywe sklepy przed Black Friday: część polecały czaty AI
Zobacz też
- Phishing: co to jest, jak rozpoznać oszustwo i co zrobić po kliknięciu
- Deepfake: jak rozpoznać fałszywe wideo i zdjęcia tworzone przez AI
- Microsoft: hakerzy z Korei Północnej używają AI od rozpoznania po kod
- AI dla seniora: 6 prostych zastosowań i jak nie dać się oszukać
- Spoofing: jak oszuści podrabiają numer, SMS, e-mail i głos (i jak to sprawdzić)
Zobacz też
- Halucynacje AI: skąd się biorą i jak je wyłapać
- Vishing i klonowanie głosu: jak rozpoznać oszustwo telefoniczne z AI
- Phishing: co to jest, jak rozpoznać oszustwo i co zrobić po kliknięciu
- Deepfake: jak rozpoznać fałszywe wideo i zdjęcia tworzone przez AI
- Prompt injection: jak atakuje się asystentów i agentów AI i jak się bronić
- Dzieci i chatboty: co mówią badania JED i Common Sense Media
- Polityka AI w firmie: wzór, punkty obowiązkowe i trzy zasady na start
- Czy ChatGPT jest bezpieczny? Dane, prywatność i ustawienia, które warto zmienić
- Klonowanie głosu AI: jak działa, które narzędzia są legalne i co mówi prawo
- Spoofing: jak oszuści podrabiają numer, SMS, e-mail i głos (i jak to sprawdzić)
- Smishing: jak rozpoznać fałszywy SMS, co zrobić po kliknięciu i gdzie go zgłosić
- Quishing: jak rozpoznać fałszywy kod QR, sprawdzić go przed otwarciem i gdzie zgłosić
- Kradzież tożsamości: co robić, jak zastrzec PESEL i jak AI pomaga oszustom
- Silne hasło w 2026 r.: jak je ułożyć, gdy AI zgaduje hasła szybciej
- Passkey (klucz dostępu): logowanie bez hasła i jak je włączyć
Zobacz też
Zobacz też
Zobacz też
Zobacz też
Przewodnik po temacie Zagrożenia AI w firmie i urzędzie: jak je rozpoznać i jak się chronić

