IA da Anthropic evolui quase duas vezes mais rápido com auxílio de IA, aponta METR

Uma avaliação de 11 semanas, divulgada nesta quinta-feira, trouxe um número específico para um debate que até aqui vinha sendo travado em termos mais abstratos: as capacidades de referência dos modelos da Anthropic estão melhorando 1,9 vez mais rápido desde outubro de 2025. O estudo é da METR, sigla de Model Evaluation and Threat Research, organização dedicada a avaliar sistemas de inteligência artificial.

O ponto central do relatório é a causa dessa aceleração. A METR afirmou estar confiante de que ela não se deveu a um aumento na escala da computação usada no treinamento. Em outras palavras, o salto de ritmo não vem simplesmente de mais poder de processamento, que é a explicação mais intuitiva para o avanço desses sistemas. O título da matéria original associa o fenômeno ao uso de IA no próprio desenvolvimento, mas o texto disponível não detalha quais fatores respondem pela mudança.

Para chegar às conclusões, a METR se baseou em três tipos de material: pesquisas confidenciais, entrevistas e dados de desempenho de modelos ainda não divulgados. Isso significa que parte da evidência que sustenta o resultado não está aberta ao público, o que limita a possibilidade de verificação independente por quem lê o relatório.

A organização fez questão de impor um limite à leitura do achado. Segundo a METR, a IA ainda não é capaz de dar contribuições altamente significativas e totalmente autônomas para as etapas mais importantes do treinamento de modelos. A aceleração medida, portanto, não equivale a um sistema que conduz sozinho o próprio aperfeiçoamento nos pontos mais críticos do processo.

O tema, no entanto, é sensível. A perspectiva de um autoaperfeiçoamento recursivo, em que sistemas de IA ajudam a melhorar a si mesmos, tem alimentado nos últimos meses alertas de pesquisadores da área. A preocupação é que tais sistemas se tornem difíceis de monitorar e controlar, com potencial de representar, nas palavras desses pesquisadores, uma ameaça existencial para a humanidade.

O estudo, assim, ocupa uma posição intermediária. Registra uma aceleração mensurável no ritmo de evolução das capacidades da Anthropic, descarta a explicação mais simples baseada em escala de computação e, ao mesmo tempo, afirma que a contribuição autônoma da IA nas etapas decisivas do treinamento ainda não chegou a esse patamar.

O que observar daqui para frente é se a METR ou outras avaliadoras detalharão os fatores por trás dos 1,9 vez e se o limite apontado, o das contribuições autônomas e altamente significativas, continuará valendo nas próximas medições.