AI最前沿 88Z.ai 11 月 21 日消息,METR 更新其 AI 智能体能力评估报告,显示任务完成时长的翻倍周期缩短至 3.6 个月。最新测试中,GPT-6 Astra 和 Opus 5.5 的表现接近,但置信区间极宽,反映出当前评估的不确定性。
消息要点
- AI 智能体任务时长翻倍周期缩短至 3.6 个月,与 OpenAI 预测相近
- GPT-6 Astra 与 Opus 5.5 表现接近,但置信区间极宽(11.9 小时至 110.2 天)

评估指标更新
METR 发布了 Time Horizons 2.0 报告,更新了关于 AI 智能体自主完成任务时间跨度的预测模型。数据显示,AI 能够处理的任务时长正以每 3.6 个月翻一倍的速度增长。这一增速与 OpenAI 此前估算的 3.8 个月翻倍周期高度相似,表明行业头部机构对 AI 能力演进速度的判断趋于一致。
模型表现与不确定性
在具体模型测试中,GPT-6 Astra 的任务处理时长为 40.3 小时,Opus 5.5 为 39.0 小时,两者表现极为接近。然而,报告指出这些数据伴随着极宽的 95% 置信区间,范围从约 11.9 小时延伸至 110.2 天。这种巨大的波动性提示,尽管平均估值显示快速进步,但当前 AI 智能体在复杂长程任务中的稳定性仍存在显著差异,实际部署时需谨慎参考单一均值。
资料来源与整理说明
本文由 AI最前沿通过 AI 辅助整理公开资料。产品能力与开放范围按发布方说明转述,未将其视为本站实测或独家采访结论。
- @scaling01原始资料发布于
以上日期为原始资料发布日期;标题下方日期为本文在 AI最前沿的发布时间。