METR mide cuánto acelera la IA el desarrollo de Anthropic

Qué midió METR y qué encontró dentro de Anthropic

METR —Model Evaluation and Threat Research, la organización sin ánimo de lucro que nació en diciembre de 2023 del equipo de evaluación del Alignment Research Center y que dirige Beth Barnes— pasó once semanas dentro de Anthropic. Entre el 12 de agosto y el 29 de octubre de 2026, con el equivalente a 2,5 personas a tiempo completo, revisó métricas de entrenamiento, resultados de benchmarks de modelos que aún no se han publicado, encuestas internas y unas 15 entrevistas con investigadores de la empresa. No cobró por el trabajo: Anthropic le dio tokens gratuitos y equipo de la compañía por razones de seguridad.

La conclusión central: en octubre de 2026 el ritmo de mejora de los modelos de Anthropic es aproximadamente el doble del que registró entre marzo de 2024 y octubre de 2025. Y alrededor del 80% de esa aceleración se explica por el uso de la propia IA en la investigación, no por un aumento del cómputo de entrenamiento. El informe se publicó el 5 de noviembre y lo recogió primero OfficeChai.

El dato que sí se puede verificar: de 15 a 29 puntos por año

El «doble» es un titular; el número medible es otro. METR usa el AECI, un índice compuesto que agrupa decenas de benchmarks en una sola puntuación de capacidad. Antes de octubre de 2025, los modelos de Anthropic subían unos 15 puntos AECI por año. Después de esa fecha, el ritmo pasó a unos 29 puntos por año: una aceleración de 1,9 veces, con un intervalo de confianza del 95% de entre 1,5 y 2,8. El quiebre de tendencia lo sitúa el 7 de octubre de 2025.

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 →

Traducido: la empresa hizo en un año lo que antes le tomaba dos. Según The Verge, los benchmarks sugieren que Anthropic acumuló «aproximadamente dos años de progreso histórico en el último año».

El modelo interno más avanzado, llamado Model 4 en el informe, obtuvo un AECI de 178,6 y superó el 50% en los 15 benchmarks que METR le aplicó. Ese detalle tiene un lado incómodo: si el modelo ya satura las pruebas, medir la próxima aceleración será más difícil que medir esta. En los últimos seis meses Anthropic terminó de entrenar tres modelos que no ha publicado (Model 2, Model 3 y Model 4), con cierres en julio, agosto-septiembre y septiembre-octubre.

Por qué el 80% es una estimación y no una medición

Conviene leer ese 80% con la letra pequeña. METR lo presenta como un juicio con «incertidumbre sustancial», no como un cálculo cerrado. Lo que sí afirma con confianza es que la aceleración no vino de un crecimiento más rápido del cómputo de entrenamiento, que históricamente ha sido el motor principal del progreso en IA.

El resto son indicios, no pruebas. En encuestas informales por Slack, el personal dijo que el modelo interno más capaz los hacía unas 12 veces más productivos, el doble de lo que reportaban pocos meses antes con Mythos 5. METR califica esas cifras de evidencia muy débil, poco representativa y probablemente exagerada. Y no hubo consenso interno: un investigador de Anthropic estima la contribución real de la IA en apenas un 15% a 20%, y otro considera que el factor más importante de los últimos meses fueron las nuevas contrataciones.

La horquilla metodológica es igual de amplia. Al cambiar un supuesto estadístico del modelo, la aceleración estimada va de 1,1 a 2,9 veces. Si se incluyen los modelos públicos de OpenAI, Google y xAI, el dato de toda la industria cae a 1,4 veces, posiblemente porque Anthropic iba por detrás en 2025 y parte del efecto es un simple alcance.

Anthropic tachó justo la evidencia que más importaba

METR entregó un informe completo de unas 100 páginas. Anthropic tenía derecho unilateral a tachar información no pública y lo usó a fondo: según el propio METR, la empresa censuró «la mayoría de la evidencia que el equipo encontró más informativa». Desaparecieron los desgloses por etapas del entrenamiento, el reparto del progreso entre cómputo, datos y algoritmos, el análisis de cuellos de botella y las previsiones de modelos futuros. Un gráfico del informe público lleva la etiqueta «FAKE DATA» en letras grandes.

El cofundador de Anthropic Sam McCandlish reconoció el punto en X: «Tachamos mucho, y acepto que eso hace más difícil que otros verifiquen el trabajo de METR». Justificó la decisión en que revelar qué está impulsando la velocidad es comercialmente sensible y equivaldría a repartir una hoja de ruta para que los competidores vayan más rápido. Dijo que la empresa publicará su propio análisis en las próximas semanas.

El resultado práctico es que el público tiene que confiar en el criterio de METR «mucho más de lo que sería ideal». Para un founder, esa es la lección más transferible del informe: un dato sin metodología visible no es un dato, es una afirmación.

¿Anthropic cruzó su propio umbral de seguridad?

La política de escalado responsable de Anthropic (versión 3.4, efectiva el 8 de julio) define un «umbral de aceleración 2x»: si el progreso se duplica y esa duplicación se atribuye sustancialmente a la automatización de la investigación, se activa un nivel de advertencia. En su Risk Report de agosto de 2026, la empresa afirmó públicamente que la aceleración era «menos de un factor de 2».

METR revisó ese documento y calificó la argumentación de «exagerada». La versión interna sin tachar implica un valor de 1,97, y el propio Anthropic considera «plausible» haber cruzado el umbral. METR sitúa esa posibilidad en torno al 15 de julio. La mayoría de los investigadores de ambas organizaciones se inclina por que no se cruzó, pero el margen es fino.

El contexto añade presión: el S-1 original de Anthropic, presentado el 26 de octubre, y su enmienda del 2 de noviembre, señalan que las estimaciones internas de modelos futuros indican que la empresa «podría cumplir inminentemente» la definición de progreso acelerado. Todo esto ocurre mientras prepara su salida a bolsa, con una gira de inversores prevista para la semana del 9 de noviembre. Anthropic también canceló a mitad de camino el componente que debía verificar cuánto cómputo dedica a capacidades frente a seguridad.

Qué significa esto para tu startup

El informe no es solo un asunto de laboratorios frontera. Es la primera medición externa de un fenómeno que ya está dentro de tu equipo, aunque a otra escala.

Mide tu propia aceleración con una línea base. METR no comparó contra una intuición: comparó el ritmo actual contra el periodo marzo 2024–octubre 2025. Si no tienes un registro de cuánto tardabas en sacar una feature hace 18 meses, no puedes saber si la IA te está acelerando o solo te lo parece. Anota hoy el tiempo medio de ciclo de tu equipo y revísalo en tres meses.
Desconfía de los auto-reportes de productividad. El 12x de las encuestas de Slack es el mejor ejemplo de por qué una encuesta de percepción no sirve como métrica. Pregunta a tu equipo por resultados entregados, no por sensación de velocidad. Un «ahora las pruebas tardan la mitad» es verificable; «soy 10 veces más productivo» no.
Distingue asistencia de autonomía. El hallazgo clave es que la IA acelera a investigadores humanos, no que los reemplace. Eso cambia el diseño de los puestos: el retorno está en dar a cada persona mejores herramientas y criterio para revisar lo que produce la IA, no en reducir plantilla esperando que el agente haga el trabajo completo.
Si publicas métricas, publica el método. Anthropic tachó la mayoría de la evidencia más útil y perdió la capacidad de que otros verificaran sus conclusiones. Cualquier startup que enseñe números a inversores o clientes debería asumir la misma regla: sin metodología, el número se convierte en una promesa.

Conclusión

El informe de METR vale por lo que intenta medir más que por la cifra que deja. Que una organización externa entre en un laboratorio y trate de cuantificar si la IA acelera su propio desarrollo es un ejercicio necesario y, hasta ahora, inédito. Pero el «doble de rápido» hay que tomarlo con pinzas: la horquilla real va de 1,3 a 3 veces, y Anthropic tachó justo la evidencia más decisiva.

Lo verificable es suficiente para tomarse el tema en serio. La IA está acelerando la investigación sobre IA, el efecto es real y medible, y no aparecen frenos claros en los próximos doce meses. Lo que sigue en la parte censurada del informe es, precisamente, la pregunta que más debería importarnos.