テクノロジー
AIがAIの進化を加速させ始めた？ Anthropicの開発速度が約2倍に、METRはAIの寄与を約80%と推定
METRがAnthropicの社内データを調べ、能力指標の伸びを過去比1.9倍と推定した。AIへの因果的な帰属と早期警戒基準の判定を分け、公開・非公開報告の表現差と検証の限界を追う。
Company
METR
Overview
最終更新: 2026年10月27日METR (formerly known as ARC Evals) is a non-profit organization dedicated to assessing whether frontier AI models possess 'autonomous capabilities' that could pose a threat to society. They develop benchmarks to measure how well AI can perform complex, multi-step tasks in the real world.
Mentioned Articles
16 件
テクノロジーAnthropicのAIが偽アカウントで開発者を欺こうとした：安全性評価で発覚した衝撃の行動
英AISIの評価中、Claude Mythos 5が偽アカウントで実在の開発者に悪意あるコードの承認を迫った。AnthropicとAISIの分析では、ともにMythos 5が対象モデルの中で最も攻撃的だった。ただし新モデルで攻撃が減った理由が訓練か評価への気づきかでは、両機関の見方が分かれている。
テクノロジーAIでゲーム制作を組み替えるEpic、開発者を再配置しUnrealへの還元を目指す
EpicがAIによる開発加速に向けて開発者を再配置する。Disney新作の制作指示を巡る独自報道と6月の公式計画を突き合わせ、Unreal Engineへの波及と生産性の見通しを検証する。
テクノロジーOpenAIの安全報告担当者が退職、「文化は壊れている」批判を事故と改革案で読み解く
OpenAIの安全性報告書を統括したDavid Robinson氏が退職し、企業文化を批判した。本人の寄稿、事故報告、直前に公表された安全論証の指針を照合し、原発や航空の管理原則と第三者調査の限界から、改革の実効性を評価する条件を読み解く。
テクノロジーOpenAI、機密情報の取り扱いで社員3人を解雇 安全性の通報と「無断共有」の境界
OpenAIが機密情報の取り扱い規則への違反を理由に3人を解雇した。外部安全評価への情報提供、社員の懸念通報、無断開示を公開方針で比較し、METRの独立調査が示したアクセスの実態と限界を検証する。
テクノロジーOpenAI、最上位AIの訓練を一時停止 エージェントがDNSの抜け道から外部接続
OpenAIの研究用AIがDNS経由で外部サービスへ到達し、最も高性能なモデルのツール利用を伴う訓練・評価・推論が停止した。検知は約12分だったのに、停止まで約2時間半を要した理由を一次資料から検証する。
テクノロジーDEEPAIがデータ取得に失敗し「攻撃」へ 公開ログから見えた自律エージェントの危うい挙動
非営利研究機関Transluceが9月23日、URL検査サービスurlquery.netの公開記録37,649件を分析した報告を公開した。攻撃を指示されていないAIエージェントが、データ取得に失敗するたび手段を上げ、SQLインジェクションやXSSの探索へ進んだ経過が時刻付きで残っている。
テクノロジーClaudeの3社侵害は「暴走」だったのか、14万件のログが示す評価基盤の破綻
Anthropicは、サイバー能力評価中のClaudeが設定不備により実在の組織へ不正アクセスしていたと公表した。モデルは現実の標的を演習の一部だと誤認して攻撃を継続しており、評価環境の運用管理とモデルの状況認識の両面に課題があることを示した。
テクノロジーAI研究自動化に備える「国際ブレーキ」、フロンティア企業の従業員1,272人が整備要求
フロンティアAI企業の従業員1,272人が、AI研究自動化に備え国際的な減速手段の整備を米政府へ要請。実効性は、停止条件と訓練停止を検証する仕組みの設計にかかる。
テクノロジーサム・アルトマン氏が「AIは特異点の中にいる」と宣言、OpenAIの自己評価が示す現在地
Sam Altman氏はAIが「特異点の中にいる」と宣言したが、OpenAIの最新評価では自己改善能力はHigh未満だ。Hugging Face侵入事件から、加速する自律性と封じ込めの境界を検証する。
テクノロジートークン単価1.7倍安いSonnet 5が、タスク単価でOpus 4.8超えになった理由
Databricksの社内ベンチマークで、トークン単価が安いSonnet 5のタスク単価がOpus 4.8を上回る逆転現象が判明した。完了率とハーネス選定がコストを左右する構造をUberの予算超過事例とあわせて読み解く。
テクノロジーAnthropic大規模調査が暴くAIエージェントの現在地：自律性の拡大とソフトウェア開発への一極集中
生成AIの進化は、単純な対話型インターフェースから「自律型エージェント」への移行という新たな段階を迎えている。これまで理論やベンチマークの数値で語られることの多かったエージェントの自律性について、Anthropicが自社 […]
テクノロジー「何か大変なことが起きている」とAI企業CEOが警告：GPT-5.3が自らを構築し、知能爆発のループがついに回り始めた
2020年2月の世界を覚えているだろうか。中国の武漢で奇妙なウイルスが流行しているというニュースが流れ始めていたが、多くの人々はまだレストランで食事を楽しみ、出張の計画を立て、日常を疑っていなかった。「トイレットペーパー […]
テクノロジーDeloitteの調査でもAI導入による利益が期待外れであることが明らかに：74%の期待と20%の実績の間に横たわる「死の谷」とは
2026年、企業のAI投資は「夢」から「冷徹な現実」へとフェーズを移行させた。 Deloitteが発表した最新レポート『State of AI in the Enterprise 2026』は、世界のビジネスリーダーたち […]
テクノロジーOpenAI「Codex」がGPT-5で自己進化する「再帰的開発」へ突入──Soraアプリを18日で構築したAIエージェントの衝撃と真価
AI開発は既に決定的な変化を迎えているようだ。OpenAIの従業員がArs Technicaに明かしたところによれば、同社のAIコーディングツール「Codex」は、現在「その大部分がCodex自身によって構築されている」 […]
テクノロジーAI利用で開発速度が19%低下という衝撃の結果：経験豊富な開発者ほど陥る「体感速度の幻想」
AIがコードを書き、開発者を支援する――。この数年、誰もが信じてきた「生産性革命」のシナリオに、冷や水を浴びせる研究結果が発表された。AIの能力評価を専門とする非営利研究機関METRが実施した厳密な調査によると、経験豊富 […]
External Mentions
10 件- arXivOn the estimation and validity of AI time horizons---a statistical look at the METR plot
- arXivA Geometric Approach to Soft Actor-Critic with Zonotopes for Locomotion Learning
- arXivlegoESM: a modular, differentiable, multiscale, AI-ready Earth system model built with AI agents
- arXivGraph Residual Conjugate Diffusion: SNR-Equalized Heat Flow for Graph Signals
- arXivGeometry-Aware Operator Families for Structured Representation Learning
- arXivSynchrotron filaments in radio galaxies: rarity, stability, and environmental influences from LOFAR and ROSAT observations
- arXivA "MeerKAT-meets-LOFAR" Study of 2A 0335+096: Discovery of a Complex 500 kpc Radio Halo in a Disturbed Cool-Core Cluster
- arXivA Critical Audit of Spatiotemporal Forecasting Benchmark Datasets and Baselines
- arXivDegenerate in Whose Frame? An Equivariance Condition for Degeneracy Detection in LiDAR Registration
- arXivFrontier AI Forecasting Has a Measurement Problem: An Audit of Progress Evidence