11月7日、Karthik Tadepalliが「Anthropic's AI acceleration is probably real」と題した記事を公開した。METRがAnthropicに3ヶ月間立ち入り調査を行い、AIがAI研究自体を加速しているかどうかを実証的に検証した結果だ。その結論は「加速は本物であり、規模は大きく、主因はAI」というものだが、肝心の根拠の大部分はAnthropicによって黒塗りされている。Tadepalliはその制約の中で公開データを精査し、METRの結論がどこまで独立検証できるかを3つの問いに沿って論じている。

METRによる前例のない内部調査

AI安全性評価機関のMETR（Model Evaluation & Threat Research）は、Anthropic内部に3ヶ月間入り込み、AIがAnthropicのAI研究開発を実際に加速しているかどうかを調査した。その結論は明快だ。「加速は本物であり、その規模は大きい」。

具体的には、2025年10月から2026年10月にかけてのAnthropicのモデル能力向上速度は、2024年3月から2025年10月の期間と比べて約2倍に加速しており、METRはその加速の約80%をAIによるもの、残り20%を非AI要因と推定している。

これはAIがAI研究を加速し、さらに強力なAIが生まれ、それがまたAI研究を加速するという「再帰的自己改善」の懸念を裏付ける、現時点で最も強力な実証データとなる。AIによる自律的な能力向上サイクルが現実の研究現場で観測されたという点で、この報告の重みは大きい。

ただし、AnthropicがMETRの分析の大部分を黒塗り（redact）したため、公開情報は限定的だ。Tadepalliはこの制約の中で、公開データを使って3つの問いに答えようと試みている。

問1：加速は本物か？→ yes

METRが分析に使用したのはAECI（Anthropic Capabilities Index）と呼ばれる内部指標だ。Epoch AIが公開しているECI（Epoch Capabilities Index）と同様に、多数のベンチマークスコアを統合して単一の能力スコアに変換する手法を採っている。ただしAECIはAnthropic独自の内部モデルを含む非公開データを入力としており、外部から直接再現することはできない点が異なる。ECIとの主な手法上の違いとして、Tadepalliは「フィッティングに旧来の頻度論的手法を使用している」点を挙げており、この差異が表面上のトレンドの見え方を大きく左右している。

一見、公開ECIでは2025年10月時点でのトレンド変化が見えない。しかしTadepalliは段階的な補正を加えることで、公開データだけでMETRの結論を再現できることを示した。

最初の2ステップは完全に公開データから再現可能だ。加速の「見えなさ」の大部分は手法の違いによるものであり、公開データはすでにトレンド変化を支持している。

一点の留保がある。「トレンド変化」と「一時的なジャンプ」のどちらで解釈すべきかは、未公開の内部モデルデータに依存する。AnthropicのOpus 5.5システムカードは「Mythos Preview（Anthropicの内部研究用モデル）の時点での一時ジャンプ」という解釈を支持する一方、METRは「トレンド変化」の方がフィットが良いと主張している。

問2：加速の原因はAIか？→ probably

これが最も重要な問いだ。METRの80%帰属はどこまで信頼できるか。Tadepalliは2つの独立した証拠を突き合わせる。

証拠1：生産性アップリフトとの整合性

AnthropicはSlackの非公式ポールで、スタッフに「最新モデルを使うと何倍速く仕事できるか」を定期的に調査している。2026年10月時点の平均回答は12倍だった。

Anthropicが過去に公表した「4倍アップリフトでは進歩の倍率は2倍に届かず、40倍必要」という発言を元に逆算すると、アップリフトと進歩速度の関係は累乗則（指数≒0.19）で近似できる。これを使うと、12倍アップリフト → 約1.6倍の研究加速となり、METRの80%帰属から計算される1.61倍とほぼ一致する。

証拠2：トレンド変化のタイミング

METRが検出したトレンド変化は2025年10月に始まっているが、これはClaude Opus 4.5が研究者に広く提供された2025年11月のわずか1ヶ月前だ。Opus 4.5はソフトウェアエンジニアリングに特化した最初の高性能モデルとして評価されており、コーディング支援が研究加速の主因であることと整合する。

他の説明はどこまで有力か

• 学習用計算量の増加：METRが明確に否定している
• 実験用計算量の増加：否定されていないが、AI労働の補完財として機能するなら独立した説明とは言いにくい
• データパイプラインの拡充：AnthropicのS-1によればデータ関連ベンダー支出はR&D全体の5〜6%に過ぎず、単独で1.5倍超の加速を説明するには58倍の支出増が必要で非現実的
• 採用拡大：S-1によれば採用ペースはトレンド変化の前後で変わっていない（いずれも年約2.7倍）
• 非公開の研究ブレークスルー：11人中2人の研究者のみが異論を唱えており、うち1人だけが黒塗りの別仮説に言及している

問3：加速は続くか？→ 不明

ここではMETRも明確な答えを出せていない。METRは「説得力あるボトルネックを特定できなかった」と述べる一方、「調査中に見解が何度も変わった」とも記している。

Tadepalliが注目するのは「検証可能性（verifiability）」というボトルネックだ。

AECIが測定しているのは、採点しやすい「明確なタスク」に偏っている可能性がある。AIが大幅に加速できるのは「デバッグ」「実験コードの記述」のような検証可能な作業であり、「どのアイデアを試すべきか」という研究センス（research taste）の部分はまだAIには代替できていない。Anthropicの2026年8月のリスクレポートでも、モデルはまだ研究者の「研究センス」を代替できていないと記されている。

検証可能な作業が自動化されるにつれ、非検証可能な作業が律速段階となり加速が頭打ちになるシナリオは十分にあり得る。逆に言えば、AIが「研究センス」まで習得し始めた時点で、再帰的自己改善のサイクルはさらに急峻になる可能性もある。METRが「ボトルネックを特定できなかった」という事実は、楽観・悲観どちらの解釈にも使えるが、少なくとも「加速は自然に止まる」という根拠は現時点では薄い。

まとめ

METRの調査は黒塗りが多く全容は見えないが、公開データを丁寧に突き合わせると、Anthropicにおける約1.9倍の研究加速と、その主因がAIであることは相当程度支持される。再帰的自己改善ループが現実のものとなりつつある可能性を示す、これまでで最も実証的な報告だ。

今後の焦点は2点に絞られる。一つは、加速が「一時的なジャンプ」なのか「持続するトレンド変化」なのかを判断するための追加データの公開。もう一つは、AIが「研究センス」という非検証的な領域に踏み込み始めるタイミングだ。後者が現実になれば、現在観測されている加速は単なる序章にすぎないことになる。

詳細はAnthropic's AI acceleration is probably realを参照していただきたい。