Искусственный интеллект всё активнее участвует в создании следующих поколений искусственного интеллекта. Независимая исследовательская организация METR пришла к выводу, что за последний год модели компании Anthropic стали совершенствоваться на профильных тестах примерно в 1,9 раза быстрее, чем прежде. Значительную часть ускорения исследователи связывают с использованием ИИ непосредственно в разработке.
Результаты важны не только для технологической отрасли. Если нейросети помогают быстрее создавать более мощные нейросети, развитие технологии может начать ускоряться за счёт собственных возможностей. Это ставит новый вопрос перед разработчиками и специалистами по безопасности: смогут ли механизмы проверки и контроля поспевать за темпами изменений?
Что именно ускорилось
Отчёт организации METR, опубликованный 5 ноября 2026 года, основан на исследовании внутренних процессов Anthropic. С 12 августа по 29 октября специалисты METR изучали данные компании, проводили интервью с сотрудниками и анализировали показатели разработки моделей.
По оценке исследователей, с октября 2025 года результаты внутренних моделей Anthropic на определённом наборе тестов росли примерно в 1,9 раза быстрее, чем до этого. Статистический интервал оценки составляет от 1,5 до 2,8 раза. Иными словами, за последний год компания могла добиться на этих тестах прогресса, на который при прежних темпах ушло бы около двух лет.
Речь идёт о показателе AECI - внутреннем индексе Anthropic, который объединяет результаты моделей на задачах разной сложности. Он позволяет оценивать динамику возможностей систем, но не измеряет интеллект во всех его проявлениях и не гарантирует, что аналогичное ускорение наблюдается в любой практической области.
METR отдельно подчёркивает неопределённость оценки. Организация допускает, что реальное ускорение может быть заметно меньше или больше центрального значения. Поэтому цифру 1,9 нельзя трактовать как универсальную скорость развития искусственного интеллекта.
Как ИИ помогает создавать следующий ИИ
Главный вывод исследования заключается в том, что ускорение, вероятно, связано не с простым увеличением вычислительных мощностей, а с тем, что сами модели всё активнее помогают исследователям и инженерам.
ИИ используется в программировании, анализе данных, подготовке и проведении экспериментов, а также в других задачах, сопровождающих обучение и совершенствование моделей. Это позволяет специалистам быстрее проверять гипотезы, находить ошибки и выполнять часть технической работы.
По оценке METR, большая часть нынешнего ускорения в Anthropic, вероятно, связана именно с использованием ИИ в исследованиях и разработке. Авторы отчёта считают, что вклад искусственного интеллекта со временем становился всё более значительным. При этом они не исключают влияния других факторов, особенно на раннем этапе ускорения.
Исследователи также не обнаружили убедительных свидетельств того, что ускорение объясняется более быстрым наращиванием вычислительных мощностей для обучения моделей. Это важная деталь: прогресс может ускоряться не только за счёт строительства новых дата-центров и установки дополнительных процессоров, но и благодаря более эффективной организации самой исследовательской работы.
Однако пока неверно говорить, что ИИ полностью самостоятельно разрабатывает себе преемников. По данным METR, модели ещё не делают значимых полностью автономных вкладов в наиболее важные этапы обучения. Основной механизм сейчас - помощь людям, а не замена исследовательских команд. При этом специалисты отмечают первые признаки того, что автономное участие систем в отдельных этапах разработки может стать более существенным.
Почему исследователей насторожили результаты
Ускорение разработки само по себе не означает, что искусственный интеллект становится опасным или выходит из-под контроля. Но оно меняет временные рамки, в которых приходится оценивать риски.
Если новые модели помогают быстрее создавать ещё более мощные системы, возникает возможность самоподдерживающегося ускорения. Каждый следующий цикл разработки потенциально может занимать меньше времени, чем предыдущий. В таком сценарии организациям, отвечающим за тестирование и безопасность, придётся проверять новые возможности с возрастающей скоростью.
METR обращает внимание и на отсутствие очевидных ограничителей дальнейшего прогресса. В ходе оценки организация не нашла убедительных признаков того, что в ближайший год развитие обязательно упрётся в нехватку данных, вычислительных ресурсов или экспериментов. Но авторы подчёркивают: это не гарантия отсутствия таких ограничений. Их оценка может измениться по мере появления новой информации.
Насколько независимым получилось исследование
У отчёта есть существенное ограничение, которое важно учитывать при оценке выводов. Anthropic предоставила METR доступ к значительному объёму внутренних данных, однако сохранила право скрывать конфиденциальную информацию из публичной версии документа.
В результате, как прямо признаёт сама METR, компания отредактировала большую часть доказательств, которые исследователи считали наиболее информативными для оценки рисков. Часть материалов касалась внутренних показателей обучения, вклада отдельных методов и прогнозов дальнейшего развития моделей. Поэтому внешние читатели не могут самостоятельно проверить все основания итоговых выводов.
Это не означает, что результаты недостоверны. Но уровень прозрачности оказался ниже того, который позволил бы полностью воспроизвести анализ и независимо оценить каждую его часть. METR отдельно указывает на эту проблему в публичном отчёте и описании процедуры проверки.
Оценка также касается одной компании и её внутренних моделей. Переносить полученные цифры на всю индустрию было бы неправильно. Тем не менее исследование даёт редкую возможность увидеть, как ИИ уже влияет на сам процесс создания новых ИИ-систем.
Начинается ли эпоха самоускоряющегося ИИ
Пока речь идёт не о машинах, которые без участия человека проектируют и обучают собственные следующие поколения. Но важный переход уже заметен: искусственный интеллект становится инструментом, который ускоряет работу команд, создающих более совершенные модели.
Именно этот процесс может оказаться одним из главных факторов развития отрасли в ближайшие годы. Если возможности систем будут расти, а их помощь исследователям - становиться эффективнее, темпы разработки могут продолжить увеличиваться.
Для технологических компаний это означает новые возможности и конкурентные преимущества. Для общества - необходимость внимательнее следить не только за тем, что умеют новые модели, но и за тем, насколько быстро они появляются. Главный вопрос теперь заключается не только в том, каким станет следующий ИИ, но и в том, сколько времени останется у людей, чтобы проверить его возможности и оценить последствия.
