この記事のポイント
- 01指標AECIの伸びは2025年10月以降で1.9倍となり、過去2年分の進歩を1年で達成した
- 02加速の原因は学習用計算資源の増大ではなく、研究開発へのAI活用が約80%を占めるとMETRは推定
- 03進歩を阻む明確なボトルネックは見当たらず、さらなる開発加速につながる懸念を示した
AI評価機関の米METR(Model Evaluation and Threat Research)は2026年11月5日(現地時間)、AI企業AnthropicにおけるAI研究開発の加速状況を評価した報告書を公開した。同報告書によると、AnthropicのAIモデルの性能向上ペースは従来の約2倍に達しており、その主な要因は自社の研究開発プロセスへのAI活用にあると推定されている。この内容はCNET Japanも同日に報じた。
過去2年分の性能向上を1年で達成
METRは2026年8月12日から10月29日にかけてAnthropicの内部データへのアクセス権を得て、事前学習や強化学習の指標、計算資源の投入量、社内モデルのベンチマーク(性能測定の標準テスト)結果などを調査した。
Anthropicが定めた総合性能指標「AECI(Epoch Capabilities IndexのAnthropic版)」の推移を分析した結果、2025年10月以降のスコアの成長ペースは、それ以前の約1.9倍(95%信頼区間で1.5〜2.8倍)に達していた。これは、従来の基準であれば約2年を要していた性能の進歩を、直近の約1年間で達成した計算になる。
METRの調査チームは、この加速が事前学習用の計算資源(コンピュート)の拡大ペースを上げたことによるものではないと確認したとしている。
| 項目 | 2025年10月以前の基準 | 2025年10月以降の傾向 |
|---|---|---|
| AECIの成長ペース | 基準値(1.0倍) | 推定1.9倍(1.5〜2.8倍) |
| 主な進歩の内容 | 約2年かけて段階的に向上 | 同等の進歩を約1年で達成 |
| 計算資源の影響 | 順次拡大 | 計算資源の成長率加速によるものではないと確認 |
研究開発へのAI支援が加速の約80%を担うと推定
METRは、今回の開発ペースの加速について、要因の大半が研究者によるAIの業務活用にあると分析している。現時点(2026年10月)で見られる加速のうち、約80%はAIによる研究支援がもたらしたものと推定した。残りの要因には、アルゴリズムの発見やデータの改善、採用による人員増などが含まれるが、これら非AI要因だけでは持続的な加速を説明できないと結論づけている。
Anthropicの社内調査やインタビューでも、研究者がAIを使って業務を効率化している実態が確認された。ただし、AIが研究開発の全工程を自律して進めているわけではなく、現段階では人間の研究者を支援する形が中心だという。一方で、自律的な貢献の比率が今後高まる兆候も見られるとしている。
flowchart TD
A[高性能なAIモデル] --> B[研究者の開発作業を支援]
B --> C[研究開発の効率が向上]
C --> D[次世代モデルの性能が向上]
D --> A
style C stroke:#333,stroke-width:2px
AIがAIの開発を支援して性能向上を加速させるサイクルの流れ
進歩を妨げる障壁はなく、複利的な加速のリスクを指摘
METRが今回の調査で重視したのは、AIが自らの開発を加速させることで能力向上が雪だるま式に連鎖し、極端で制御不能な危険能力が突如として出現するリスクだ。
調査の結果、今後12カ月において、アルゴリズムの限界、事前学習や実験用の計算資源、学習用データの不足といった要因が、開発ペースを大きく鈍らせる明確な障壁(ボトルネック)は見つからなかった。進歩を抑える強い収穫逓減(投入を増やしても得られる成果が減る現象)も確認されていないという。
このためMETRは、モデルの性能向上がさらなる開発の加速を生み、来年にかけて進歩のペースが一段と速まるリスクが無視できない水準にあると警告している。
機密指定による情報の非公開と推定の不確実性
METRはこの報告書において、推定結果には大きな不確実性が伴うと説明している。実際の加速率は、従来の1.3倍程度にとどまる可能性もあれば、3倍近くに達している可能性もあるとしている。また、指標であるAECIが明確に正誤を判定できる課題に偏っている点や、初期の成長率が低めに見積もられていた可能性も指摘した。
さらに、評価の根拠となった最重要データの多くは、Anthropicが「他社のAI開発を利する機密情報の除外」を理由に非公開(黒塗り)とする権利を行使した。METRは、公開された情報だけでは一般の読者や外部の研究者が検証を行うことは難しく、METR側の判断に依存せざるを得ない限界があると説明している。
SOURCES 出典
本記事は AI を活用して作成し、筆者が確認のうえ公開しています。詳しくはAI 利用ポリシーをご覧ください。



