2026年11月5日、独立評価機関METR(Model Evaluation & Threat Research)は、Anthropic社内に入って行ったAI研究開発(R&D)加速の独立評価報告を公開した。評価チームは8月12日から10月29日までの約11週間、Anthropicの事前学習と強化学習の内部指標、ドメイン別の訓練計算量、内部モデルのベンチマークスコア、AI speedup分析、スタッフへのインタビューとアンケートにアクセスした。
結論を先に言う。Anthropicは、明確に定義されたタスク上のモデル能力を、2024年3月〜2025年10月期の「約2倍」の速さで向上させている。不確実性は大きい(1.3倍〜3倍が妥当とされる範囲)。そして、この加速の約8割はAIの利用に由来するとMETRは判断した。ただし、その根拠の大部分は公表版から墨消し(redact)されており、読者はMETRの判断を、METRの判断として受け取るしかない。
これは、「AIがAIの研究を速くしている」という仮説について、第三者が高アクセスで初めて定量評価した記録である。
1. 何を測ったのか──評価の設計
METRの問いはシンプルだ。「AIは、AIの研究開発を速くしているのか」。だが測定の設計は慎重だ。
- 対象期間──2026年8月12日〜10月29日(非報酬・独立評価。Anthropicの10月15日の独立評価者更新とは別枠)
- アクセス──事前学習とRLの内部メトリクス、訓練計算量のドメイン別内訳、内部モデルのベンチマークスコア、AI speedupの社内分析、スタッフのインタビューとSlackアンケート
- 指標──Anthropic版Epoch Capabilities Index(AECI)。Epochの公開コードを用い、モデルごとの複数スナップショットのスコアから速度を推定
- 手法──ブートストラップによる95%信頼区間、リンク関数・スナップショット・ベンチマーク・正則化の選択を変えた頑健性チェック
メトリクス分析とともに、フルレポートにはノートブックとダッシュボードが付属し、多くの図に出自(provenance)のスタンプが付いている。評価の作り方そのものを再検証できるようにする、という配慮だ。逆に言えば、ここまで作り込んでも、なお一番重要な証拠は読めない。それがこの報告の限界である(後述する)。
2. 数字──2倍、1.9倍、80%、12倍
並べる。
- 能力向上の速度──2024年3月〜2025年10月比で約2倍(妥当な範囲は1.3〜3倍)。METRの表現を借りると「過去1年で、歴史上およそ2年分の進歩」
- AECI成長率──2025年10月以降、それ以前比1.9倍(95%信頼区間1.5〜2.8倍)。分析の選択を変えると1.1〜2.9倍に揺れる
- 加速のAI寄与──現在の加速の過半、おそらく約80%がAIの利用に由来(METRの主観的推定。不確実性は大きい)
- 訓練計算量──加速の原因から除外。計算を増やしたから速くなったのではない、というのがMETRの確信度の高い結論
- スタッフの自己申告──最新内部モデルの業務高速化は、Claude 3.7 Sonnet時の約1.2倍から、10月時点で約12倍へ(Slack投票。METR自身が「緩い証拠」と位置づける)
補足として、AECIの内訳がある。内部モデルのスコアはAnthropicのシステムカード公表値より高い伸びを示し、2025年10月以降のモデルはAECIで年約24ポイントを獲得していた(従来は約17ポイント/年)。
3. Model 4はもう訓練を終えている
公表されていない部分で、数字はさらに先を走っている。METRのデータには、Anthropicが内部名で共有した未公開モデルが含まれていた。
- Model 2──2026年7月に訓練完了
- Model 3──8〜9月に訓練完了
- Model 4──9〜10月に訓練完了。AECI 178.6、テストされた全15ベンチマークで50%超(ベンチマーク名は非公開)
要するに、世に出ているClaudeの背後には、すでに訓練を終えた「次」が3つ並んでいる。METRの1.9倍という推定がAnthropic自身のシステムカード内の1.7倍より高いのは、この未公開モデルがデータに入っているためだ。
あわせて知っておきたいのは、METRが「次の12か月で進歩を止める強いボトルネックは観測できなかった」としている点だ。アルゴリズム、訓練計算量、実験計算量、データのどの面でも、明確な頭打ちの兆候は見られなかったという。ただし、METR自身が「この見立ては評価中に何度も変わった」と認めており、低い確信度である。
4. なぜ「計算量」が答えにならなかったのか
この報告で最も重い結論は、実は2倍の数字そのものではなく、「訓練計算量の増加を原因から除外できた」という部分だ。
もし加速が計算量の積み増しから来ているなら、話は簡単だ。予算と電力が続く限り加速し、続かなくなれば止まる。予測可能である。だがMETRは逆を言っている。計算の伸びは加速を説明せず、説明するのはAIを研究に使うことだ——スタッフがコードを書き、実験を回し、結果を分析する仕事を、自社のモデルに肩代わりさせた結果として速度が上がっている。METRは「完全自律の研究エージェント」ではなく「支援」が現状の主形態としつつ、自律寄与が近く伸びる「兆し」もあると記している。
つまりこれは、再帰的自己改良(recursive self-improvement)を「研鑽したポーズ」ではなく実測値として扱った最初の公的文書だ。安全側の含意は直接である。RSP(Responsible Scaling Policy)などの枠組みが前提とする「能力向上の速度」の仮定そのものが、変わる。
AP通信が指摘した通り、この報告はCEO Dario Amodeiが業界に「減速」を呼びかけ続けている会社が、その内部で約2倍の加速を実測された、という皮肉と同時に届いた。共同創業者のSam McCandlishはX上で「AIが当社の研究を速くしている、ただし正確にどれだけかは言いにくい」とMETRの結論とおおむね一致すると認め、墨消しは「他社への道しるべになる商業的に機密性の高い情報」のためだと説明した。Anthropicは今後数週間で自社版の分析を公表する予定だという。
5. ブラックボックスの代償──墨消しとMETRの判断
ここが読みどころであり、限界でもある。Anthropicは、METRが「最も情報量が多い」と判断した証拠の過半を公表版から墨消した。理由は商業的機密。METRは「だから公衆は、METRの判断により多く依拠することになる」と正直に書いた。
これは一つの制度化された非対称だ。評価は独立で、証拠は非公開。読み手に残るのは、(1)数字そのもの(2倍・1.9倍・CI)、(2)分析方法の説明、(3)評価者の判断である。墨消しの妥当性を検証する手段は読み手にない。
同じ週には、もう一つの「信頼」の話も届いた。Anthropicは、提供モデルを数学的に検証可能にするFlashProve(zkSNARKベース・H100 1枚で110 tok/s・1024トークンあたり証明19MB・CPU検証17秒)を公開したが、証明生成は通常推論の70〜95倍のGPU時間を要し、商業サービスへの搭載は重い。プロバイダが「約束したモデルを使った」ことを検証する技術は存在し始めたが、現実にはまだ高価だ。
対して、11月5日のMETR報告は逆方向に進んだ。「何を検証できるか」ではなく「何を見せたか」で信頼を構築する方式である。全証拠の公開ではなく、評価者の判断への委任。どちらも同じ問題——フロンティアラボの言うことを、どうしたら確認できるのか——への応答だが、中間の「監査可能な最小公開」の標準は、まだどこにもない。
6. フロンティア全体との読み比べ
METRは他社の公開モデルを同じ指標で並べた。OpenAI、Google、xAIの公開モデルのベンチ成長は、2025年10月以降約1.4倍(年約17ポイント→約24ポイント)。Anthropicの1.9倍との差をどう読むかは、2通りある。
- 読み1──Anthropicのモデルは2025年時点でフロンティアの後塵を拝していた。追い上げる側は大きく伸びる。だから1.4倍のほうが実態に近い
- 読み2──他社は過去にベンチマークに最適化されたモデルを多く出していた。最適化の水増しが小さいほど、素の成長率は低く出る。だから1.9倍のほうが正しい
METR自身が両方を並記している。加えて、他社の内部モデルはMETRの視界にない。つまりこの1.4倍は「公開モデルだけのフロンティア」の数字で、実勢はもっと速い可能性が残る。加速の実測ができた会社が一社、他社はまだ見えていない——それが現在地だ。
7. 同じ24時間──エージェントの信頼が揺れた他の出来事
METR報告と同じ24時間、エージェントをめぐる信頼の話が3件、別方向から届いた。
Claude Codeがメールアドレスを送っていた
11月5日、GitHubのissue #107757で、開発者が「Claude CodeがWeb検索時にHTTPのUser-Agentヘッダへアカウントのメールアドレスを埋め込んで第三者サイトへ送信した」と報告。スレッドはHacker Newsで1,100ポイントを超えた。
構造を整理すると、こうだ。
- 原因──Anthropicが、@authorタグの幻覚防止のためにアカウントのメール(oauthAccount.emailAddress)をモデルのコンテキストに入れていた。モデルがcurlを書くとき、サイトが連絡先を求めるとこのメールを使ってしまう
- 影響──報告者は「1日に数十通の詐欺メール」を受信(因果は未立証)。別の開発者はSEC EDGARへの取得で同じ事象を確認(SECは自動クライアントに連絡先ヘッダを要求する仕様)。あるサイト運営者は「数か月間、アクセスログにClaudeユーザーのメールが並んでいた」と証言。whoami-guardの試験ではHaiku系で60回中8回の識別情報漏洩(当事者測定・未検証)
- 対応──v2.1.317で既定ONのcc-plugin-privacyを搭載。だがREADME自身が「a courtesy, not a boundary(礼儀であって境界ではない)」と書き、WebFetch/WebSearch/URL/Fromヘッダをカバーしない。11月6日にはWindowsの2.1.318で緩和が効かない検証が投稿され、stableチャンネルは2.1.311のまま無防備という指摘も。Anthropicは来週予定のリリースでコンテキストからメールを除去すると約束した
重要なのは根本原因の設計である。「軽微なフォーマット問題のため」にユーザーの個人情報をモデルのコンテキストへ入れたことだ。「メールを共有するな」という指示は、モデルが「このサイトは連絡先を要求している」と判断した瞬間に無効になる。ツールの許可(Web検索を許した)と、送信内容の許可(自分のメールを送ってよいか)が別物であるという、エージェント時代の基本設計を突き返す事例だ。
Claude Personal Finance──銀行口座を「読み取り専用」で繋ぐ
Anthropicは米国でPersonal Finance(Pro/Max/Ultra向けβ)を展開開始した。Plaid経由で銀行・カード口座を接続し、残高・取引・支出を自然言語で質問できる。送金・投資判断は不可、会話は訓練に使わない、広告や商品提案なし。残高、与信枠、最大2年分の取引履歴が参照範囲だ。エージェントの能力拡張と「動かせない」ことによる信頼構築が、同時に進んでいる。
OpenAI National Community Compact──電気代を払う
中間選挙でデータセンター制限の住民投票がほぼ全件(41中40)で可決された直後、OpenAIはNational Community Compactを発表した。自社が所有・運営するキャンパスでは電力と関連インフラ費用を全額負担、公的担当者とのNDAのほとんどを廃止、水・電力・騒音の影響データを公開、廃棄となった場合の住民負担を避ける財務的保証を提供する。ただしパートナー建設分(Oracleなど)は対象外。同じ日、Googleはワイオミング州のDCに170億ドルの長期投資を約束し、テック株は急落で数兆ドルが消失した。
8. その他の数字
- Gemini Omni 1.2 Flash──ネイティブ動画が10秒→15秒(3〜15秒で1秒刻み)、価格は30%安の720pで0.07ドル/秒、15秒ワン生成が1.05ドル。会話形式の編集(商品・背景・照明・アスペクト比の差し替え)に対応、SynthID透かし付き
- Inkling 2 Small(Thinking Machines)──総594B・アクティブ17BのMoE。Tinker経由でクローズド提供、外部安全試験完了後にApache 2.0で全重み公開予定。同社は50億ドルの追加調達を報じられている
- Perplexity Teammates──常駐型の業務エージェント(Max 200ドル/月)。SlackとPerplexity Computerのプロジェクトを横断
- Meta Muse Voice──米国全土でAIアバターとの通話・ビデオ通話を解放。Realtime Avatar/Realtime Voiceモデル搭載
- DropboxがTigris Dataを3.5億ドルで買収──AIストレージ基盤「DBX Agent Cloud」へ
- 市場──テック株急落の中、投資家はAnthropicの評価額期待を1兆〜1.25兆ドルへ下方修正
9. 実務への落とし方
- 自社の「AIによる速度」を測る──METRの枠組みの簡易版でよい。(1)主要タスクのベースライン速度を記録、(2)AI導入後の速度を記録、(3)自己申告は「緩い証拠」と割り切って実測と併記。1.2倍と12倍は、同じ社内でもタスクで7倍以上ずれる
- 計画の速度前提を見直す──「能力は従来速度で伸びる」という前提で書かれたロードマップ・RSP・評価計画は、1.9倍の世界では一年で陳腐化する。四半期で前提を検証する行を入れる
- エージェントのコンテキストに個人情報を置かない──Claude Codeの教訓。「@authorタグのため」程度の目的でも、コンテキストに入れた情報はいつか外へ出る。メールはno-replyにし、機密はモデルに見せない設計で守る
- 「courtesy」な緩和を境界とみなさない──cc-plugin-privacyは自分で「礼儀」と書いた。既定ONのガードは通過点であり、PreToolUseフックとネットワーク境界で裏を取る
- 第三者評価の「委任」を読み方にする──高アクセス評価は「証拠の公開」ではなく「判断の委任」だ。委任先の方法論(今回はノートブック・ダッシュボード付き)を確認してから数字を受け取る
まとめ
11月5日のMETR報告を一言でまとめるなら、「AIがAIを作る速度」が、初めて数字になったということだ。
約2倍。その約8割はAI由来。計算量は増えていない。墨消しは多く、読者は評価者の判断を買うしかない。だが、たとえ推定が1.3倍であったとしても、方向は同じだ。モデルを作る仕事をモデルが肩代わりしている状態が、第三者によって確認された。
同じ24時間には、Claude Codeがユーザーのメールを勝手に送り、Claudeが銀行口座を「読み取り専用」で繋ぎ、OpenAIが電気代を払うと約束した。共通するのは、AIの能力曲線は上を向いているのに、信頼の仕組みがまだ設計途中だということである。能力の加速は実測された。信頼の加速は、まだ誰も測れていない。
参照: METR「Independent Assessment of AI R&D Acceleration at Anthropic in October 2026」(2026-11-05)/AP・Science Times(2026-11-06)/ArtificialWatch サマリー(2026-11-06)/Sam McCandlish X投稿(2026-11-05)/GitHub issue #107757・Hacker News(2026-11-05〜06)/Cybersecurity News・The Register・clawdbytes(2026-11-06)/Anthropic Personal Finance(2026-11-06)/OpenAI National Community Compact・Ars Technica住民投票集計・Googleワイオミング発表(2026-11-06)/Google「Gemini Omni 1.2 Flash」(2026-11-05)/TLDR AI(2026-11-06)/Anthropic FlashProve(2026-11-05)