Anthropic acelera su investigación de IA pese al debate sobre seguridad

Anthropic acelera su investigación de IA pese al debate sobre seguridad

Anthropic está mejorando sus modelos de inteligencia artificial aproximadamente al doble del ritmo histórico, según una evaluación independiente de METR publicada el jueves 5 de noviembre de 2026, después de una revisión con acceso amplio a sus operaciones de investigación en Estados Unidos. El análisis atribuye la mayor parte de la aceleración al uso intensivo de la propia IA para programar, experimentar y evaluar modelos, aunque advierte que la evidencia tiene incertidumbres y que la empresa ha ocultado parte de los datos por razones comerciales.

La señal aparece en los propios benchmarks

METR, un grupo independiente que estudia las capacidades y los riesgos de los modelos avanzados, trabajó dentro de Anthropic entre el 12 de agosto y el 29 de octubre. La organización examinó métricas internas de entrenamiento, cómputo, modelos aún no publicados, entrevistas con investigadores y encuestas sobre productividad.

El indicador central fue AECI, una versión del índice de capacidades de modelos de Epoch. Desde octubre de 2025, las puntuaciones de los sistemas de Anthropic crecieron a una tasa estimada 1,9 veces superior a la del periodo anterior, con un intervalo de confianza del 95% entre 1,5 y 2,8 veces. En términos sencillos, la compañía habría concentrado en un año un progreso comparable a unos dos años de su trayectoria previa.

La cifra no significa que Claude se entrene de forma autónoma ni que haya aparecido una inteligencia que se mejore sin intervención humana. METR describe principalmente asistencia: los modelos ayudan a escribir código, diseñar experimentos, analizar resultados y acelerar tareas de investigación bien definidas. El grupo también señala que el efecto podría ser menor en problemas abiertos, donde evaluar la calidad de una solución es más difícil.

La aceleración no proviene solo de más chips

Uno de los hallazgos más relevantes es negativo: METR afirma tener evidencia convincente de que el cambio no se explica por un aumento acelerado del cómputo dedicado al entrenamiento. La revisión consideró otras variables, como contratación, mejoras de datos, descubrimientos algorítmicos y eliminación de cuellos de botella.

Su estimación subjetiva es que alrededor del 80% de la aceleración actual podría estar vinculada al uso de IA, aunque la propia organización la presenta con “incertidumbre sustancial”. Las encuestas internas muestran que el aumento de productividad percibido por los investigadores llegó a niveles muy altos durante octubre, pero METR advierte que ese tipo de autoinforme es una evidencia débil y no equivale a una medición experimental.

El riesgo estratégico está en la posibilidad de un bucle de realimentación: modelos más capaces ayudan a construir modelos todavía más capaces, que a su vez aceleran la siguiente ronda. METR no identificó límites claros en algoritmos, datos, cómputo de experimentos o entrenamiento que impidan una aceleración adicional durante los próximos doce meses. Aun así, reconoce que su diagnóstico podría cambiar con información más completa.

El informe pone a prueba las reglas de Anthropic

Anthropic mantiene una política de escalado responsable que contempla umbrales específicos para la investigación automatizada. La versión 3.4, vigente desde julio, revisó ese umbral, exige señalar las redacciones en los informes públicos y establece revisiones externas de los documentos de riesgo.

La tensión es evidente: una política puede exigir controles cuando la IA acelera el desarrollo, pero medir ese momento resulta difícil si parte de la evidencia permanece reservada. METR dice que Anthropic censuró la mayoría de los datos que consideraba más informativos, para evitar revelar información confidencial capaz de ayudar a otros laboratorios. Por eso el público debe confiar más en el juicio de los evaluadores que en una auditoría plenamente reproducible.

El resultado no prueba que Anthropic haya cruzado formalmente uno de sus umbrales de seguridad ni que deba detener sus modelos. Sí cambia la pregunta de fondo. El debate ya no consiste solo en saber si la IA puede hacer el trabajo de un investigador, sino en cuánto puede acelerar la cadena completa de investigación antes de que las salvaguardas consigan medirla y responder a tiempo.