METR-Report: Anthropic verbessert seine KI-Modelle mutmaßlich doppelt so schnell

Am 05.11.2026 hat METR, die gemeinnützige Forschungsgruppe für Modellevaluierung und Threat Research, einen Bericht veröffentlicht, der innerhalb von Stunden starke Reaktionen ausgelöst hat: eine unabhängige Einschätzung, wie stark KI die KI-Forschung bei Anthropic beschleunigt. Zwischen dem 12. August und dem 29. Oktober 2026 arbeitete ein kleines METR-Team mit hohem direkten Zugang bei dem Unternehmen: interne Benchmark-Werte, Metriken zu Pretraining und Reinforcement Learning, Trainings-Compute je Gebiet, Prognosen zu künftigen Modellen und Interviews mit dem Personal. Die Kopfaussage ist knapp und weitreichend zugleich: Anthropic verbessert die Fähigkeiten seiner Modelle auf klar definierten Aufgaben derzeit mutmaßlich mit ungefähr doppelter Geschwindigkeit gegenüber dem früheren Vergleichszeitraum, und ein Großteil dieser Beschleunigung ist vermutlich dem Einsatz von KI in der eigenen Forschung zuzuschreiben. Genau das ist der Loop, den Sicherheitsforscher seit Jahren theoretisch verhandeln: KI, die hilft, die nächste KI zu bauen. Dieser Beitrag folgt dem TheAIGRID-Video zu dem Bericht, prüft die zentralen Aussagen an der Primärquelle und trennt sauber zwischen Befund, Schätzung und Schwärzung.

Der Datenzugang, über den der Bericht verfügt, ist selten und genau deshalb beachtenswert: Metriken zu Pretraining und Reinforcement Learning, Trainings-Compute je Gebiet, Benchmark-Scores unpublizierter interner Modelle, Analysen, wie stark die eigene KI die Arbeit beschleunigt, Prognosen zu den Metriken eines künftigen Modells, dazu Umfragen und Interviews. Für Anthropic entstand ein vollständiger Bericht von rund hundert Seiten, den METR laut eigenem Thread auf X übergeben hat; die öffentliche Fassung ist eine stark komprimierte Kurzfassung. Die Leitfrage formuliert METR selbst, und sie ist hart geschnitten: Beschleunigt KI den Bau von KI? Dahinter steht die Vorstellung rekursiver Selbstverbesserung. Derselbe Verein ist bekannt für das Diagramm, in dem sich die Zeitspanne für Agenten-Aufgaben alle paar Monate erneut verdoppelt; wenn diesen Leuten das Tempo auffällt, hört die Branche zu.

Die Kopfzeile lautet sinngemäß: Für Oktober 2026 hält METR es für wahrscheinlich, dass Anthropic die Fähigkeiten seiner Modelle auf klar beschriebenen Aufgaben mit rund doppelter Rate verbessert wie zwischen März 2024 und Oktober 2025. Die Unsicherheit ist hoch: METR wäre nicht überrascht, wenn der echte Fakt eher bei 1,3 oder eher bei 3 liegt. Das Video übersetzt den Befund diagrammatisch: Vor Oktober 2025 seien im Chart rund 15 Punkte pro Jahr zugelegt worden, danach rund 29. Wenn METR nach eigener Aussage etwa so viel Benchmark-Fortschritt im letzten Jahr sieht wie zwischen Oktober 2023 und Oktober 2025, dann werden zwei Jahre Fortschritt in ein Jahr gepackt. Wer die Modelle anderer Labore in dieselbe Rechnung nimmt, erhält laut Video einen niedrigeren Branchenwert von rund dem 1,4-Fachen.

Der zweite Befund ist der eigentlich aufregende. METR schreibt, die Beschleunigung sei laut überzeugenden Belegen nicht durch ein stärkeres Wachstum des Trainings-Computes getrieben; der nächste Satz über die Details dieser Evidenz ist geschwärzt, so liest es das Video aus dem Bericht vor. Als grobe Größenschätzung nennt METR einen Anteil von rund 80 Prozent der aktuellen Beschleunigung, der dem Einsatz von KI in der Forschung zuzuschreiben sei, mit erheblicher Unsicherheit. Die Interviews zeigen, wie das ankommt: Eine Person beschreibt, sie sei nur noch an Ideen und Compute gebremst, nicht mehr am Code. In einem anderen Gespräch heißt es, es sei schwer nachzuvollziehen, wie man nicht dreimal produktiver sein sollte. Nicht alle sehen das so: Eine Person schätzt den KI-Anteil auf 15 bis 20 Prozent und widerspricht Selbstauskünften grundsätzlich; über alle Antworten zentrierte sich der Wert um etwa eine Verdopplung. Zur Einordnung des Videodiskurses: Demis Hassabis beschreibt in einem eingespielten Ausschnitt die frühe Phase des Loops, in der Menschen dreifach bis fünfmal produktiver werden, und warnt vor der nächsten Stufe ohne menschliche Prüfung. Dario Amodei hatte diesbezüglich Anfang des Jahres einen weitaus bescheideneren Wert genannt, rund 15 bis 20 Prozent Gesamtschub, zuvor eher fünf.

Aufmerksamkeit zog ein Detail des Berichts auf sich, das für Nutzer draußen unsichtbar bleibt: interne Modell-Versionen, die unter Platzhaltern wie Modell 2, Modell 3 und Modell 4 auftauchen. Nach der Darstellung im Video schloss Modell 2 sein Training im Juli 2026 ab, Modell 3 in August und September, Modell 4 zwischen September und Oktober, also Wochen vor dem Bericht. Modell 4 ist danach das bestbewertete Modell der METR-Analyse und das erste, das alle 15 geprüften Benchmarks mit über 50 Prozent durchläuft, auf einigen mit gegen 90 Prozent. Community-Auswertungen wie die des Forschers Andrew Curran lesen daraus, dass die interne Front teilweise dem voraus lag, was draußen im Claude-Abo verfügbar war. Wie groß dieser Abstand genau ist, nennt der öffentliche Kerntext nicht; Aussagen dazu bleiben Schätzungen aus Community-Berechnungen, keine geprüfte Messung. Anthropics eigener interner Name des Modells bleibt laut Video geheim.

Aus den Umfragen kommt der Wert, der die Stimmung am stärksten kippt. METR hat keine formale Studie angelegt, sondern Slack-Umfragen und Interviews ausgewertet: Anfang 2025, also beim Einsatz von Claude 3.7 Sonnet, meldeten die Kollegen einen Speedup von etwa 1,2, beim internen Checkpoint im Spätsommer über fünf, im Oktober 2026 rund zwölf. Selbstauskünfte sind laut METR ausdrücklich schwache Evidenz, die Kurve dieser Werte wächst laut Video jährlich um rund das 3,9-Fache, und selbst wer die Zahl drastisch kürzt, sieht die Richtung. Nicht alle stimmen zu: Eine Person bezweifelt produktive Selbstauskünfte grundsätzlich und schätzt den KI-Anteil auf 15 bis 20 Prozent; über alle Antworten zentriert sich der Wert um rund zwei.

Der Bericht berührt auch ein Regelwerk des Hauses selbst, die Responsible Scaling Policy. Die Fassung vom April 2026 definiert klarer, ab wann eine von KI getriebene Beschleunigung des Fortschritts als Überschreiten zählt, das zusätzliche Sicherheitsmaßnahmen auslösen müsste. Der August-Risikobericht von Anthropic kam zum Ergebnis, die Schwelle sei nicht erreicht. METR hat genau diese Passage geprüft und die Rezension am selben Tag veröffentlicht: Die Gruppe stimmt zu, dass das katastrophale Risiko der Modelle niedrig ist und dass die KI die Forschungsabteilung noch nicht ersetzen kann, hält die Argumentation von Anthropic aber für überzeichnet und das Überschreiten für plausibel. Konkret nennt das Video eine kleine, aufschlussreiche Diskrepanz: Der öffentliche Text behauptet, die Beschleunigung liege unterhalb des Faktors Zwei; die privaten Berichtszahlen lagen laut METR bei etwa 1,97, und METR empfiehlt, im öffentlichen Text eher um zwei zu sprechen. Ob 1,97 als unter oder über der Zwei gelesen wird, ist die eigentliche Debatte.

Ein paar Tage vor dem METR-Bericht aktualisierte Anthropic die IPO-Unterlage, die S-1/A-1 vom 02.11.2026, und die Formulierungen dort sind nach der Videolektüre beachtlich offen. Die interne Schätzung zu zukünftigen Modellen deutet demnach darauf hin, dass das Unternehmen in Kürze die RSP-Definition von dramatisch beschleunigtem, KI zuzuschreibendem Fortschritt erfüllen könnte; für aktuelle Modelle ist das laut der Unterlage nicht klassifiziert. Die Zeile danach geht tiefer: In der Vergangenheit habe man eine signifikante Beschleunigung nicht immer identifiziert, und künftig könne das ebenfalls erst nach dem Ereignis geschehen. Daniel Kokotajlo vom AI Futures Project nannte genau diese Passage laut Video verstörend; nach dem METR-Bericht griff er zur Kurzfassung: METR bestätigt es. Alle Aussagen zu der Unterlage kommen aus der Videozitat-Kette; ich habe sie nicht Zeile für Zeile gegen das Gesamtdokument geprüft, der Link zur SEC-Abgabe gehört zu den Quellen.

Der Bericht fällt auf vorbereitetes Terrain: Im April 2025 veröffentlichte das Team um Daniel Kokotajlo das Szenario AI 2027, dessen Zutat ein Fortschrittsmultiplikator ist, also die Frage, wie viele Monate Fortschritt die Agenten pro Monat Arbeit zusätzlich herausholen. Laut Video setzt das Szenario für die Beschleunigung um Dezember 2026 einen Wert von rund zwei an, kaum mehr als der METR-Befund. Die Reaktionen sammeln sich auf beiden Seiten des Spektrums: David Krueger räumt ein, von der Vorhersage-Qualität überrascht zu sein; Nicola Jerkovic fragt, ob die Welt überhaupt rechtzeitig erfahren würde, sollte ein Labor nahe an übermenschlicher KI sein, und fordert regelmäßige Pflichtberichte zu Recursive-Self-Improvement-Metriken; ein Post mit fast 300.000 Aufrufen beschreibt, wie ernst die Sorge nach der Lektüre für Familie und Welt ausfiel. Jeffrey Ladish von Palisade Research liefert die nüchternste Lesart: Er hält die Belegschaft nicht für lügnerisch, sondern dafür anfällig, sich wöchentliche Fortschritte schöner zu lesen, als sie von außen wirken.

Die Vorbehalte sind deutlich und METR nennt sie selbst: Benchmarks sind nicht die Welt; es ist unklar, wie Benchmark-Werte auf reale Fähigkeiten abbilden, und die Zuwächse könnten sich vor allem auf gut beschriebene, leicht bewertbare Aufgaben konzentrieren. Die zwölffache Selbstauskunft bleibt lose Evidenz, keine Messung. Es gibt einen Basislinien-Effekt: Vor dem Spätsommer 2025 stand Anthropic teils hinter der Branche, und Aufholen kann Tempo vortäuschen. Der Branchenwert mit anderem Modellmaterial liegt bei rund 1,4 statt 1,9. Die KI bleibt Assistentin, nicht Autopilotin. Und die Risiko-Seite bleibt: METR hält das katastrophale Risiko dieser Modelle für niedrig. Der Bericht sagt keine Superintelligenz für nächsten Monat voraus; er zeigt eine Richtung, die sich in keiner skeptischen Lesart auflöst.

Was bleibt, liegt in der Sichtbarkeit. Primärquelle ist der öffentliche METR-Bericht samt Redaktions-Hinweis und seiner Tabelle, was besprochen und was geschwärzt werden konnte; dazu die Rezension der RSP-Passage, der X-Thread zur Berichtsübergabe und die SEC-Unterlage vom 02.11.2026. Alles Übrige stammt aus dem TheAIGRID-Video oder aus den Community-Posts, die es zitiert; Werte, die nur dort auftauchen, sind hier als solche markiert, unter anderem der Branchenwert von 1,4, die Benchmark-Anteile von Modell 4 und die Zeitschienen der drei internen Checkpoints. METR schreibt selbst, es halte es für extrem unwahrscheinlich, dass Anthropic die Gruppe absichtlich in die Irre geführt hat, und nennt den Gesamtversuch robust. Gleichzeitig steht da der Satz von der Öffentlichkeit, die mehr auf das Urteil der Gruppe vertrauen muss, als ideal wäre. Für die Agenten-Praxis hier auf dem Deck bedeutet das etwas Einfaches: Wenn die nächste Modellversion doppelt so schnell entsteht wie die davor, entscheidet nicht das Modell allein, sondern der Verbund, der es messbar einsetzt.

Marcel ist Grafikdesigner und baut seit drei Jahren eine Agentenfamilie um Hermes, pi und herdr. Auf HUNTER dokumentiert er, was Agenten im Alltag wirklich leisten, mit ehrlichen Zahlen statt Hype.