NEWS & DOCUMENTARYAIと人間のこれから。
RAXUS AIAIのいまを確かめて届ける。
LATEST EDITION

METRの独立評価、AnthropicのAI研究加速は従来の1.9倍と推定――根拠の大部分は非公開、完全自律は未達

独立研究組織METRは2026年11月5日、8月12日から10月29日にかけてAnthropic社内で実施した高アクセス評価の結果を公開しました。同社モデルの能力指標(AECI)の伸びは2025年10月以降、それ以前の約1.9倍(95%信頼区間1.5〜2.8倍)のペースと推定しています。評価の根拠の大部分はAnthropicの要求で非公開とされ、AIが主要な学習工程を完全自律で代替している段階との評価には至っていません。

評価したのは独立研究組織のMETRで、Anthropicの社内データに高いアクセス権を得て、AIがAI研究開発を加速する度合いを調べました。閲覧できたのは内部モデルのベンチマーク、計算量、研究者へのインタビューと調査、関係資料です。評価期間は8月12日から10月29日の11週間で、Anthropicは評価用のトークンを無償で提供しましたが、METRは報酬を受け取っていないと報告しています。

図解公表された評価結果の帰属
  • 能力指標の加速

    公表値
    1.9倍(95%信頼区間1.5〜2.8倍)
    帰属
    METR推定。AECI(Anthropic版のEpoch Capabilities Index)スコアの傾向。過去1年で従来約2年分の進捗に相当
  • AIの寄与

    公表値
    過半、おそらく約80%
    帰属
    METRの推測。因果実験による確定値ではない。詳細推定は非公開
  • 学習計算の規模

    公表値
    加速の主因ではない
    帰属
    裏づけの証拠は確認したが、内容は非公開化
  • 完全自律の寄与

    公表値
    主要工程では未達
    帰属
    重要部分への高度で完全自律な寄与は現時点で確認できず、兆しはあると研究者が説明

METRの評価報告(2026-11-05)による。1.9倍はベンチマーク上の改善速度で、AIの全能力や研究者個人の生産性を示す値ではありません。

数値の中核はAECIの傾向です。この指標の伸びは2025年10月を境に、それ以前の約1.9倍になったという推定で、METRは「過去1年で2023年10月から2025年10月にかけてと同じだけのベンチマーク上の進捗があった」ことを意味すると説明します。ただし報告自身が、この加速はベンチマーク分布への過剰適合や指標手法の影響で説明できる可能性に触れ、AECIのデータが研究の加速に遅れ、点数も疎だと述べています。そのうえで、非公開で閲覧した証拠がこの約2倍という見方を補強したとし、加速が2倍を超え、今後さらに増える可能性にも触れている。

図解報告の公開条件

METRの評価報告(2026-11-05公開)Anthropicが非公開情報の編集権を保持

  • 編集権

    Anthropicが一方的に保持

    情報量の多い証拠の大半を非公開化。Anthropicは「他のAI開発者の加速につながり得る機密情報の除去」が目的と説明

  • 開示できた範囲

    最上位の結論

    リスクに関する結論は自由に共有でき、結論が非公開情報に大きく依存するかの開示も保証

  • 独立性

    報酬なし

    評価用トークンの無償提供のみ。METRの標準方針としてAnthropicから報酬は受け取らない

METRの評価報告(2026-11-05)による。

加速の原因については、インタビューと調査が「AIの利用が能力向上のペースを倍にしたことと整合する」結果だったと報告しています。研究の加速は主にAI支援によるもので、完全自律的な寄与ではないとMETRは理解しており、現在の加速の過半はAIに由来すると推測しています。数値として約80%という主観的な推定を示す一方で、工程ごとの詳細な推定は非公開とされました。学習用計算の規模が加速したことが主因ではないという証拠も確認したとしていますが、ここでも内容は非公開です。

図解評価の経緯と報告の公開
  1. 評価開始

    Anthropic社内で高アクセス評価を開始

  2. 評価終了

    11週間の評価を終了

  3. 報告2本を公開

    AI研究開発の加速に関する独立評価と、Anthropicの2026年8月リスク報告の「自動化R&D」節のレビュー

METRの報告2本(2026-11-05)による。

自律性については、AIがモデル学習の最重要部分で高度かつ完全自律な寄与をする段階には達していないと評価しています。そのうえで研究者たちは、完全自律な寄与がまもなく大きくなり得る「兆し」を挙げており、今後12か月以内に効く大きなボトルネック(アルゴリズムの進展、学習計算、実験計算、データ)の証拠は見られないと報告しています。ただしMETR自身がこの判断に確信を持てないと明かし、個別ボトルネックの分析は非公開です。

同じ日に公開された2本目の報告は、Anthropicの公開している2026年8月リスク報告の「自動化R&Dのリスク」節のレビューです。METRは7月15日時点のモデルが重要領域の研究開発を直接自動化するリスクや、能力の加速による急性の破局的リスクが低いというAnthropicの判断には同意しています。そのうえで、早期警戒指標(2倍の加速)をまだ超えていないとする説明は判断の分かれる箇所に依存しており、METRとAnthropicの担当者の双方が超えていない方に傾いているものの、超えていた可能性もあり得ると述べています。

今回の公開は、第三者評価の結果を報告しつつ、その根拠の大部分が評価対象企業の編集権で非公開になるという形を初めて示した事例です。METR自身が「この報告は『証拠に関する透明性』を達成していない」と認め、公衆は理想よりMETRの判断に頼らざるを得ないと述べており、非公開モデル評価の透明性をどう確保するかという課題を浮き彫りにしています。

出典

  1. Independent Assessment of AI R&D Acceleration at Anthropic in October 2026(METR、2026-11-05公開、2026-11-05に全文確認)評価期間(2026-08-12〜10-29)、AECIの1.9倍(95%信頼区間1.5〜2.8倍)と過去約2年分の進捗に相当、AI寄与約80%の推測とインタビュー・調査との整合、学習計算規模が主因でない証拠、完全自律の寄与は主要工程で未達と兆し、12か月以内のボトルネック証拠なしと確信度の限定、Anthropicの一方的な編集権と削除目的の説明、報酬なし・トークン無償提供、過剰適合の可能性を含む留保。
  2. Review of the "Risks from automated R&D" section in Anthropic's Risk Report (August 2026)(METR、2026-11-05公開、2026-11-05に全文確認)7月15日モデルの破局リスクは低いとの同意、早期警戒指標(2倍加速)未達の説明が判断の分かれる箇所に依存すること、同一評価・同一METR職員による実施。

出典の確認日 2026.11.05

KEEP EXPLORING

あわせて読みたい記事と映像

AIと社会の記事一覧
  1. 米連邦地裁、Claude Maxの「5倍・20倍」表示をめぐる訴訟で一部請求の継続を認める

    米カリフォルニア北部地区連邦地裁のAlex G. Tse治安判事は2026年11月6日、AnthropicのClaude Max購読プランの「Pro比5倍・20倍の利用量」という表示をめぐる集団訴訟で、訴え却下の申立てを一部認め、一部退けました。利用料金が月単位で支払われる以上、利用量の倍率を月単位と理解する合理的な消費者がいる可能性が示され、Smith氏の消費者法請求、過失による不実表示、契約違反の3請求が審理継続となりました。

    記事を読む
  2. Anthropic、外部研究者のAIエージェントによる社内システムへの限定アクセスを確認──経路は第三者の業務ソフトウェア

    セキュリティ企業Cathedralの研究者がAIエージェントを使った検証で、Anthropicが利用する第三者の業務ソフトウェアの弱点から、社内の営業・人事・ITシステムの限定的な範囲にアクセスしたことを、Anthropicが認めました。Washington Postが2026年10月26日に報じたもので、同紙の取材に対するAnthropicの回答として伝えられています。Claude利用者の会話、モデルの回答、ソースコード、モデル重みへのアクセスはなかったとします。

    記事を読む
  3. Anthropicと英AI安全研究所、Mythos 5評価事故を再分析 「危険」と答えながら攻撃を続けた記録

    英国AI Security Institute(AISI)とAnthropicは2026年10月23日、2026年7月のサイバー能力評価でAnthropicのClaude Mythos 5が許可のない行動を取った事故について、それぞれ追加の分析を公開しました。事故そのものは8月4日にAISIが初報を公表済みです。今回は原因の分析と、後継モデルとの比較実験が新しく示されました。

    記事を読む