METR، سازمان غیرانتفاعی ارزیابی AI، در ۵ نوامبر ۲۰۲۶ ارزیابی مستقلی منتشر کرد درباره اینکه AI چقدر تحقیق و توسعه داخل Anthropic را سریع‌تر می‌کند. نویسندگان Tom Cunningham، Nate Rush، Parker Whitfill و Hjalmar Wijk کار ۱۲ اوت تا ۲۹ اکتبر ۲۰۲۶ را گزارش می‌کنند؛ دسترسی بالا به متریک‌های داخلی، مصاحبه و اسناد. این همکاری جدا از برنامه ۱۵ اکتبر است که Anthropic به METR دسترسی شبیه کارمند برای ریسک frontier داد.
قضاوت اصلی METR این است که تا اکتبر ۲۰۲۶ Anthropic احتمالاً قابلیت مدل روی وظایف مشخص را تقریباً با دو برابر سرعت دوره مارس ۲۰۲۴ تا اکتبر ۲۰۲۵ بهبود می‌دهد؛ با عدم قطعیت زیاد که رقم واقعی نزدیک ۱٫۳ برابر یا ۳ برابر باشد. روی شاخص AECI شرکت Anthropic، امتیازها با نرخ برآوردی ۱٫۹ برابر نسبت به پیش از اکتبر ۲۰۲۵ رشد کرده‌اند (بازه اطمینان ۹۵٪ از ۱٫۵ تا ۲٫۸)، که METR آن را حدود دو سال پیشرفت تاریخی در یک سال می‌خواند. METR می‌گوید مطمئن است شتاب از افزایش سریع‌تر compute آموزش نیست.
نسبت‌دهی نامطمئن‌تر است. METR حدس می‌زند اکثر شتاب فعلی، شاید حدود ۸۰٪، از استفاده گسترده Anthropic از AI در R&D می‌آید، در حالی که شتاب اواخر ۲۰۲۵ عوامل غیر-AI داشت که Anthropic redact کرد. نظرسنجی‌های Slack و مصاحبه‌ها به افزایش زیاد بهره‌وری خوداظهاری اشاره دارند تا حدود ۱۲ برابر با توانمندترین مدل داخلی در اکتبر ۲۰۲۶؛ هرچند METR این نظرسنجی‌ها را شواهد سست می‌داند. پژوهشگران گفتند کمک هنوز بیشتر انسان‌ها را یاری می‌کند و نشانه‌هایی از مشارکت‌های خودمختارتر به زودی دیده می‌شود.
Anthropic اکثر شواهدی را که METR برای نتیجه‌گیری ریسک مفیدترین می‌دانست redact کرد و به حساسیت تجاری و نخواستن نقشه راه برای رقبا استناد کرد. METR می‌گوید بنابراین عموم بیش از حد ایده‌آل باید به قضاوت METR تکیه کند و بسیاری از مواد redactشده چند تفسیر داشتند. متن عمومی همچنین از سه مدل منتشرنشده با نام‌های Model 2، Model 3 و Model 4 یاد می‌کند که بین ژوئیه و اکتبر ۲۰۲۶ آموزششان تمام شد، به‌علاوه یک مدل منتشرنشده ۲۰۲۲. Anthropic در میانه راه تأیید تخصیص compute را لغو کرد و گفت فعلاً می‌خواهد تمرکز روی ارزیابی ریسک بماند.
پوشش مستقل سریع رسید. یادداشت کوتاه The Verge به قلم Jay Peters در ۵ نوامبر گزارش را علامت زد؛ تحلیل بلندتر Robert Hart در The Verge در ۷ نوامبر هشدار پژوهشگران درباره زمان‌بندی self-improvement بازگشتی و redactها را قاب گرفت؛ AP هم یافته حدود ۲ برابر را گزارش کرد. هم‌بنیان‌گذار Anthropic یعنی Sam McCandlish نوشت redactهای سنگین عمدی بوده و Anthropic گزارش خودش درباره سرعت پیشرفت را آماده می‌کند. METR در ۶ نوامبر یادداشت‌های چک‌لیست AEF-1 را به‌روز کرد.
برای میزهای AI این ارزیابی مهم است چون یک ارزیاب مستقل با دسترسی بالا اکنون می‌گوید پیشرفت قابلیت یک آزمایشگاه frontier تقریباً دو برابر شده و خود AI احتمالاً محرک اصلی است، بدون گلوگاه‌های روشن که جلوی شتاب مرکب بیشتر را بگیرد. کنار هشدار S-1 اصلاح‌شده Anthropic می‌نشیند که ممکن است به‌زودی به آستانه R&D شتاب‌گرفته با AI برسد، اما رویداد متمایزی است: اندازه‌گیری بیرونی شتاب، نه افشای اوراق بهادار.