Anthropic acelera al doble su IA, según un informe de METR

Anthropic mejora sus modelos casi al doble de ritmo que hace un año, y la mayor parte de esa aceleración parece venir de usar su propia inteligencia artificial para hacer más inteligencia artificial. Lo dice METR, una organización independiente que ha estado metida en los servidores de la compañía entre agosto y octubre. El informe público salió el 5 de noviembre y, ojo con la letra pequeña: Anthropic censuró gran parte de las pruebas que METR consideraba más reveladoras.

Qué dice el informe, sin maquillaje

Entre el 12 de agosto y el 29 de octubre, METR trabajó con acceso a métricas internas de entrenamiento, cómputo, puntuaciones de modelos no publicados y entrevistas con el personal. La conclusión central es sencilla de enunciar y difícil de digerir: a octubre de 2026, Anthropic mejora las capacidades de sus modelos en tareas bien definidas a un ritmo cercano al doble del periodo marzo 2024–octubre 2025.

Con el índice AECI (la versión de Anthropic del Epoch Capabilities Index), la aceleración desde octubre de 2025 es de 1,9 veces, con un intervalo de confianza del 95% entre 1,5 y 2,8. En la práctica, un año de progreso al ritmo nuevo equivale a lo que antes costaba dos. METR avisa de que la estimación es muy incierta y que no se sorprendería si el valor real estuviera entre 1,3x y 3x.

El dato que más me interesa: están bastante seguros de que la aceleración no viene de haber metido más cómputo de entrenamiento. No es «hemos comprado más chips». Es otra cosa.

La IA escribiendo la siguiente IA

La estimación de METR es que alrededor del 80% de la aceleración actual se debe al uso de IA en la propia I+D, aunque lo dicen con mucha incertidumbre. Los investigadores de Anthropic usan Claude sobre todo como asistente, no como reemplazo autónomo. Todavía. Hay «señales de vida» de contribuciones plenamente autónomas, y METR apunta que ese papel puede crecer pronto.

Las encuestas internas pintan un cuadro más extremo. En votaciones informales de Slack, el personal estimó que el último modelo les permitía trabajar hasta 12 veces más rápido en octubre. METR lo toma como evidencia muy débil (poca reflexión, muestra sesgada), y recuerda que un speedup individual no se traduce uno a uno en aceleración de toda la empresa. Aun así, el número circula y cuadra con lo que ya se oía: Claude Code y los agentes internos están quitando horas de «implementar la idea» y dejando que la gente pruebe diez experimentos donde antes cabía uno.

Si tienes un equipo de desarrollo en España y usas asistentes de código a diario, ya sabes de qué hablan. La diferencia es de escala: aquí el producto que se acelera es el propio modelo de frontera.

Lo que Anthropic no deja ver

Aquí llega lo que a mí me chirría. Anthropic tenía derecho unilateral a censurar información no pública, y METR dice que eliminó la mayoría de la evidencia que más informaba sus conclusiones. La empresa lo justifica como protección de secretos que podrían acelerar a otros desarrolladores. El resultado, según reconocen los propios evaluadores, es que el público tiene que fiarse del criterio de METR más de lo ideal. El informe no logra «transparencia sobre la evidencia».

Infobae recogió el mismo matiz en su cobertura del 5 de noviembre: sin las tablas internas, nos quedamos con el resumen y con la advertencia de que hay más debajo.

También hay límites del propio cálculo. El AECI mide tareas fáciles de verificar; podría exagerar la mejora real si los modelos se están afinando precisamente a ese tipo de prueba. O al revés: podría quedarse corto si la automatización de más tareas de investigación dispara otra ronda de aceleración. METR no vio frenos claros (algoritmos, cómputo, datos) para los próximos 12 meses, y admite que su lectura de esos cuellos de botella cambió varias veces durante la evaluación.

Por qué importa fuera de Silicon Valley

En Madrid, la misma semana, la Cumbre Iberoamericana cerraba la Alianza Iberoamericana de Inteligencia Artificial, con ejes de datos federados, modelos en español y portugués, y cómputo compartido. Suena bien. Pero si el ritmo de mejora de un laboratorio privado se está doblando porque sus modelos se ayudan entre sí, cualquier agenda pública de «soberanía digital» tiene que asumir que el suelo se mueve más rápido de lo que tardan en firmarse las declaraciones.

Para la Unión Europea y el AI Act, el informe es un recordatorio incómodo. Regular por generaciones de modelos tiene sentido si el progreso es previsible. Si en un año se hace lo que antes llevaba dos, y encima sin un aumento claro de cómputo de entrenamiento, los calendarios normativos se quedan cortos. No hace falta creer en escenarios de ciencia ficción para ver el problema práctico: los evaluadores externos llegan tarde, y cuando llegan, parte del expediente ya viene tachado.

Un ejemplo concreto. Si eres una empresa española que despliega Claude (o un competidor) en soporte, código o análisis documental, el salto de productividad que notas este trimestre puede ser el mismo mecanismo que METR está midiendo por dentro. La diferencia es que tú no ves el AECI: solo ves que el asistente falla menos y escribe más. Esa mejora acumulada es, según este informe, la gasolina de la siguiente generación.

Lo que habría que vigilar

METR deja tres preguntas abiertas que merecen seguimiento. Primera: ¿la aceleración se mantiene o se acelera otra vez cuando las contribuciones autónomas dejen de ser «señales de vida»? Segunda: ¿cuánto de lo tachado por Anthropic cambiaría la lectura pública si se publicara? Tercera: ¿otras compañías de frontera muestran el mismo patrón, o Anthropic es un caso especial?

Yo me fío más de un evaluador independiente con acceso limitado que de un comunicado de prensa. Pero un informe donde la empresa puede borrar la evidencia más jugosa no es el estándar que necesitamos si de verdad queremos saber a qué velocidad corre esto. Habrá que ver si la siguiente ronda de evaluaciones (y las que pidan reguladores europeos) llega con menos tijeras.