METR actualiza su gráfico de horizonte temporal: la IA mejora en código, pero flaquea en tareas de juicio

Hecho Qué ha ocurrido
La organización de evaluación METR publicó una actualización de su gráfico de horizonte temporal que añade tareas más largas y abiertas. Según el informe, algunas capacidades siguen mejorando de forma exponencial, pero los modelos rinden peor en tareas que requieren juicio que en programación. En una tarea de diseño de evaluaciones de IA, ninguna de las propuestas por los modelos fue considerada útil por los empleados de METR, aunque algunos modelos recientes quedaron 'justo por encima del umbral'.
Resumen generado mediante IA a partir de MIT Technology Review (original en inglés). Naturaleza de la información: análisis u opinión.
Análisis Por qué importa
El gráfico se usa para estimar cuánto tardará la IA en automatizar tareas complejas; el informe muestra que esa extrapolación es menos fiable fuera de la programación y las matemáticas.
- Quién se ve afectado
- Equipos de I+D en IA, directivos que usan métricas de capacidad para planificar adopción y evaluadores de modelos.
- Qué puede cambiar
- Las previsiones sobre automatización de la investigación y el desarrollo deberían tomarse con más cautela para tareas abiertas que requieren criterio, al no existir aún tendencias claras.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Si los modelos futuros superan el umbral en tareas de juicio, y si METR amplía el número de tareas abiertas con puntuaciones más sólidas que hoy dependen de pocos evaluadores.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: MIT Technology Review. La referencia es siempre el artículo original.
Ver fuente original ↗LLMaprendizaje por refuerzoevaluación de modelos METROpenAIAnthropic benchmarks evaluación de modelos horizonte temporal METR Opus 5.5
Relacionadas
Un informe independiente estima que la IA acelera el desarrollo de Anthropic, con partes censuradas
La organización independiente METR evaluó durante once semanas, entre el 12 de agosto y el 29 de octubre de 2026, el trabajo interno de Anthropic. Concluye que…
Por qué importaEs uno de los primeros intentos externos de medir cuánto la IA contribuye a su propio desarrollo. Para un directivo, la cifra sirve como señal del…
Un estudio de METR estima que Anthropic mejora sus modelos casi el doble de rápido por el uso de IA en su propio desarrollo
La organización METR publicó un análisis, con acceso a datos internos de Anthropic, que estima que la compañía mejora las capacidades de sus modelos en tareas…
Por qué importaSugiere que la automejora de los modelos puede acelerar el ritmo de progreso más de lo que se preveía, lo que afecta a cómo las empresas planifican…
METR estima que los modelos de Anthropic avanzan al doble de velocidad, sobre todo por el uso de IA en su desarrollo
La organización METR, tras revisar datos internos de Anthropic entre agosto y octubre de 2026, estima que sus modelos mejoran en tareas bien definidas a un…
Por qué importaSi la aceleración se confirma, el ritmo de mejora de los modelos líderes podría ser mucho más rápido de lo que planifican las empresas que dependen…
METR estima que la mejora de Anthropic se ha duplicado por la IA que usa en su propia investigación
La organización sin ánimo de lucro METR auditó durante once semanas datos internos de investigación de Anthropic. Concluye que el ritmo de mejora de sus…
Por qué importaLa auto-aceleración de la investigación en IA es un indicador de riesgo que la política de escalado de Anthropic señala como motivo de alerta, y el…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.



