Anthropic acelera su IA 1,9 veces, según METR

Los modelos de Anthropic mejoran casi al doble de velocidad que hace un año, según una evaluación independiente que tuvo acceso a datos internos de la compañía. Para cualquier founder que esté construyendo con IA, el hallazgo cambia la pregunta clave: no cuánto mejora la tecnología, sino a qué ritmo se vuelve obsoleta la ventaja que construiste sobre ella.

¿Qué encontró METR dentro de Anthropic?

La organización sin ánimo de lucro METR (Model Evaluation and Threat Research) evaluó durante once semanas el ritmo de investigación y desarrollo dentro de Anthropic, con un equipo equivalente a 2,5 personas a tiempo completo. El trabajo cubrió el periodo entre el 12 de agosto y el 29 de octubre y el informe se difundió el 5 de noviembre, según recoge Crypto Briefing.

El número central: desde octubre de 2025, las capacidades de Anthropic en tareas bien definidas crecen a un ritmo estimado de 1,9 veces el histórico, con un rango de confianza del 95% de entre 1,5 y 2,8 veces. Comparado con la línea base de marzo de 2024 a octubre de 2025, la mejora es de alrededor del doble, con un margen de entre 1,3 y 3 veces.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

La vara de medir es el AECI, la versión que Anthropic hace del Epoch Capabilities Index: un índice que resume en un solo número el rendimiento del modelo en un conjunto de benchmarks. El modelo interno evaluado, al que METR llama Model 4 según Crypto Briefing, obtuvo 178,6 puntos; al excluir tres pruebas que el equipo consideró saturadas, la cifra sube a 179,7.

¿Por qué la IA se está acelerando a sí misma?

La explicación obvia sería más cómputo de entrenamiento. METR dice estar seguro de que no es eso. La estimación subjetiva de sus investigadores es que cerca del 80% de la aceleración viene del uso de IA en el propio desarrollo de la IA, lo que en la jerga se conoce como automejora recursiva.

Ahí hay un matiz que conviene no perder: la IA acelera sobre todo asistiendo a humanos, no trabajando sola. Los investigadores entrevistados apuntan que los modelos todavía no hacen aportes autónomos en las partes más críticas del entrenamiento, aunque algunos ven señales de que eso podría llegar pronto.

METR también advierte que no encontró cuellos de botella —ni de cómputo ni de datos— que frenen el desarrollo en los próximos doce meses, y que existe un riesgo real de que la aceleración se retroalimente: modelos más capaces aceleran el desarrollo de modelos aún más capaces.

Un dato que el propio informe desactiva: en encuestas informales, empleados de Anthropic reportaron mejoras de productividad de hasta 12 veces. METR las califica explícitamente de poco fiables y pide no leerlas como una medición verificada.

La contradicción: pedir una pausa mientras se acelera

El hallazgo choca con el mensaje que Dario Amodei, CEO de Anthropic, publicó el 12 de septiembre: un ensayo en el que pedía frenar el ritmo de mejora de las capacidades de los modelos y atribuía el avance reciente, precisamente, a la automejora recursiva.

Amodei propuso tres pasos: dar a evaluadores externos un acceso similar al de un empleado dentro de los laboratorios de IA (mencionó a METR por nombre), fijar estándares de seguridad comunes entre laboratorios de países democráticos y coordinar globalmente.

La paradoja no pasó desapercibida. Sam McCandlish, cofundador y responsable de la política de escalado de Anthropic, respondió al informe señalando que muchas de sus conclusiones coinciden con las suyas, aunque sin poner cifra a la aceleración. Reconoció que las censuras dificultan el trabajo de METR, pero defendió que detallar qué impulsa la aceleración es información comercialmente sensible que podría dar pistas a los competidores.

¿Qué censuró Anthropic y por qué importa?

Anthropic tenía derecho a retirar información confidencial, y lo ejerció: según METR, la compañía censuró la mayor parte de las pruebas que el equipo consideraba más informativas. Entre lo eliminado están las estimaciones de aceleración en el entrenamiento, el desglose del progreso entre cómputo, datos y algoritmos, las previsiones de modelos futuros y el análisis de varios cuellos de botella.

METR advierte que esa opacidad convierte la evaluación en un acto de fe para terceros. Más espinoso aún: la organización asegura que Anthropic canceló a mitad de la investigación el proceso de verificación sobre cómo reparte su cómputo entre capacidades y seguridad.

El contexto que rodea todo esto es la salida a bolsa. Anthropic planea debutar en Wall Street este mes, en lo que podría ser la mayor OPV de la historia. Las valoraciones que circulan van de 1,5 a 2 billones de dólares: The Wall Street Journal, citado por Criptotendencias, recoge que grandes inversores ven alta la meta de 1,5 billones y que la cifra podría recortarse hasta cerca de 1 billón, mientras que ABC señala que los analistas esperan alrededor de 2 billones.

Las cuentas detrás de esa cifra son exigentes. Según el folleto de la OPV recogido por ABC, Anthropic destinó 8.945 millones de dólares a infraestructura y cómputo en el primer semestre de 2026, un 283% más que en el mismo periodo del año anterior, y acumula compromisos con proveedores como Google, Amazon, Microsoft, Broadcom, AMD o Nscale por unos 657.000 millones de dólares, buena parte pagadera se use o no el cómputo.

¿Qué significa esto para tu startup?

Tres lecturas prácticas.

Mide tu propia aceleración, no la del vecino. METR midió tareas bien definidas y fáciles de puntuar automáticamente. Eso es replicable en cualquier equipo: elige cinco tareas repetitivas de tu operación, registra el tiempo de ciclo antes y después de adoptar asistentes de IA, y compara. Sin esa línea base, cualquier afirmación sobre productividad es anécdota.

Distingue asistencia de autonomía. La conclusión más útil del informe es que la IA acelera asistiendo a humanos, no reemplazando el juicio en las etapas críticas. Diseña tus flujos con el humano en las decisiones irreversibles y deja la IA en la ejecución y el borrador. Ahí está hoy el retorno real.

Cuida la trazabilidad de tus métricas internas. Si vas a levantar capital, el caso Anthropic muestra el costo reputacional de la opacidad: un evaluador externo con acceso amplio terminó publicando que no pudo verificar buena parte de lo que midió. Preparar datos internos auditables antes de que un inversor los pida es más barato que improvisarlos después.

Y una advertencia sobre costos: los compromisos de cómputo de Anthropic se pagan se usen o no. Si tu startup depende de infraestructura de IA, negocia flexibilidad contractual antes de firmar volúmenes anuales.

Lo que todavía no se sabe

METR es explícito sobre los límites de su propio trabajo. Evaluó tareas bien definidas, no el trabajo difuso de investigación, y reconoce que podría haber infravalorado la aceleración si la automatización mejora o si los benchmarks se quedan cortos frente al impacto real. También podría haberla sobreestimado si el efecto se concentra en tareas fáciles de puntuar.

El modelo evaluado es interno y no fue liberado, así que nadie fuera de Anthropic puede reproducir los resultados. La pregunta abierta es si la compañía publica su propio análisis —McCandlish dijo que lo hará en las próximas semanas— y si levanta las censuras una vez que cotice.

Por ahora, el consenso entre las partes es incómodo y claro: la IA mejora a una velocidad que sorprende incluso a quienes la construyen, la automejora es un factor central, y la evidencia pública para verificarlo sigue siendo insuficiente.