Os modelos de inteligência artificial da Anthropic estão melhorando em determinados testes de capacidade a um ritmo estimado 1,9 vez maior desde outubro de 2025, segundo uma avaliação independente publicada pela organização METR na quinta-feira (5). O relatório, porém, apresenta uma ressalva importante: a Anthropic impediu a divulgação de grande parte das evidências que os pesquisadores consideraram mais relevantes para suas conclusões.
A investigação foi realizada entre 12 de agosto e 29 de outubro de 2026, com acesso a resultados de modelos ainda não lançados, métricas internas de treinamento, documentos de pesquisa e entrevistas com funcionários da empresa.
A estimativa utiliza o AECI, uma versão adaptada pela Anthropic do Epoch Capabilities Index, que acompanha o desempenho de modelos em tarefas específicas. O resultado indica que a empresa alcançou aproximadamente dois anos de progresso histórico nesses testes durante o último ano. O intervalo de confiança de 95% vai de 1,5 a 2,8 vezes o ritmo anterior.
Essa aceleração não significa que a produtividade geral da Anthropic tenha praticamente dobrado. O indicador mede a velocidade de evolução das capacidades avaliadas, enquanto a contribuição efetiva da IA para esse avanço depende de outras evidências e interpretações.
Por que parte das evidências não pode ser examinada publicamente
Embora tenha permitido uma avaliação externa, a Anthropic manteve o direito de retirar informações confidenciais do relatório público. Segundo a METR, a companhia suprimiu a maior parte das evidências consideradas mais informativas para avaliar os riscos associados à aceleração do desenvolvimento de IA.
Entre os materiais restringidos estão estimativas detalhadas da contribuição da própria IA para o desenvolvimento dos modelos, dados sobre melhorias algorítmicas, indicadores intermediários de treinamento e projeções sobre sistemas futuros.
A Anthropic justificou os cortes pela necessidade de proteger informações confidenciais que poderiam acelerar o desenvolvimento tecnológico de concorrentes.
A METR reconheceu que as restrições dificultam a avaliação independente dos argumentos apresentados. Como parte das evidências admite diferentes interpretações, pesquisadores externos e leitores precisam confiar no julgamento da organização em uma proporção maior do que seria desejável.
O estudo também teve limitações de acesso. Embora tenha recebido um volume expressivo de informações internas, a equipe não pôde consultar livremente os sistemas da Anthropic, e algumas solicitações de dados foram recusadas.
A falta de transparência não invalida automaticamente a estimativa de 1,9 vez, mas impede que terceiros examinem integralmente os elementos utilizados para sustentar conclusões mais amplas sobre a aceleração da pesquisa.
A organização afirma ter encontrado evidências convincentes de que o avanço observado não decorre simplesmente de um crescimento mais rápido da capacidade computacional empregada no treinamento.
Entrevistas e levantamentos internos também apontam ganhos expressivos associados ao uso de ferramentas de IA por pesquisadores. Entretanto, esses relatos são difíceis de quantificar, e a METR não encontrou evidências decisivas que permitissem atribuir toda a aceleração à inteligência artificial. Fatores não relacionados à IA também podem ter contribuído, especialmente no final de 2025.
Outro limite importante envolve a autonomia dos sistemas. Segundo os pesquisadores, a IA ainda não realiza contribuições plenamente autônomas e altamente significativas nas etapas mais importantes do treinamento de modelos. Atualmente, o avanço ocorre principalmente com sistemas que auxiliam profissionais humanos.
A própria metodologia exige cautela. Testes com tarefas bem definidas não representam necessariamente o desempenho em problemas abertos do mundo real. Além disso, análises com diferentes escolhas metodológicas produziram estimativas de aceleração entre 1,1 e 2,9 vezes.
A METR considera possível que modelos mais capazes ampliem sua contribuição para o desenvolvimento de novas gerações de IA, produzindo aceleração adicional. O relatório, contudo, não demonstra que esse processo de autoaperfeiçoamento já esteja ocorrendo de maneira autônoma e contínua.
