Los modelos de IA de Anthropic mejoran al doble de ritmo que hace un año, según un análisis independiente con datos internos. Y su CEO pidió públicamente frenar el invento hace dos meses.
El informe lo firma METR, la organización sin ánimo de lucro que evalúa modelos frontera, y cubre el periodo entre el 12 de agosto y el 29 de octubre de este año. O sea: la investigación arrancó semanas antes de que Dario Amodei publicara, el 12 de septiembre, su ensayo pidiendo moderar el ritmo al que mejoran las capacidades de los modelos.
Qué mide el estudio y dónde se queda corto
Un 1,9 es el número que resume todo el asunto. Desde octubre de 2025, las capacidades de los modelos de Anthropic crecen 1,9 veces más rápido de lo que lo hacían entre marzo de 2024 y octubre de 2025, con un margen que va de 1,3 a 3. Para medirlo, METR tira del AECI, la versión de Anthropic del Epoch Capabilities Index: un índice que condensa en una cifra el rendimiento del modelo en un paquete de tareas de prueba. Los benchmarks de siempre, con otro nombre y mejor prensa.
La causa no es más potencia de cálculo
Aquí viene lo interesante. La aceleración no se explica por un aumento del cómputo de entrenamiento, algo que en plena crisis de componentes habría sido la coartada perfecta. Los investigadores estiman que hasta un 80% del impulso viene del uso de IA en el propio desarrollo de la IA. Modelos ayudando a construir la siguiente generación de modelos.
Los empleados de Anthropic, en encuestas informales, hablan de ir unas 12 veces más rápido. METR no se lo cree y lo dice con elegancia: eso es percepción subjetiva, no medición. Lo que sí ve probable es que no aparezcan cuellos de botella que frenen el desarrollo durante los próximos doce meses y que la aceleración se retroalimente. Más capacidad, más velocidad, más capacidad. La serpiente mordiéndose la cola, pero con GPUs y factura eléctrica de por medio.
Y luego está la parte turbia. Anthropic tenía derecho a ocultar información comercialmente sensible —la fórmula de la Coca-Cola de su IA, en palabras del propio informe—, pero METR señala que se censuró la mayoría de las pruebas más reveladoras: estimaciones de aceleración del entrenamiento, reparto del progreso entre cómputo, datos y algoritmos, previsiones de modelos futuros, análisis de cuellos de botella. También se canceló a mitad de camino la verificación sobre cómo reparte el cómputo entre capacidades y seguridad, con la promesa de retomarla más adelante.
No es solo que la IA vaya rápido: es que ya está empujando el carro en el que va montada y nadie ha encontrado el freno.
La respuesta de Anthropic no fue un desmentido. Su cofundador y responsable de política de escalado admitió en X que muchas conclusiones del estudio coinciden con las suyas, aunque sin poner cifra a la aceleración del entrenamiento, y defendió el tijeretazo documental: detallar qué impulsa el progreso daría pistas a los rivales para ir más rápido.
El ensayo del 12 de septiembre que ahora suena a otra cosa
Amodei firmó un texto que atribuía el avance reciente, sobre todo, a la mejora recursiva: exactamente eso, la capacidad de la IA de construir la siguiente generación de IA. Y proponía tres pasos. Acceso para evaluadores externos similar al de un empleado de la casa —citó a METR por su nombre—. Estándares de seguridad comunes entre laboratorios de países democráticos. Coordinación global.
Leído hoy, el ensayo admite dos interpretaciones y ninguna es inocente. La buena: alguien con información privilegiada avisando de que la curva se empina y que conviene poner barandillas antes del precipicio. La mala: una petición de frenar cuando el rival aún no ha llegado, o directamente una forma de ordenar el terreno antes de una salida a bolsa que lleva semanas sonando en los mentideros del sector.
Yo me quedo con una mezcla de las dos. El aviso es real y los números lo respaldan. Pero una empresa que exige auditoría externa y después tacha las pruebas que ella misma considera más informativas no está pidiendo transparencia: está pidiendo fe. Y la fe, en un sector que se mueve por trimestres y por tokens, dura lo que dura un comunicado.
El precedente que debería darnos repelús
Esto ya lo hemos visto. En 2023 medio sector firmó cartas pidiendo una pausa en el desarrollo de la IA y el resultado fue la carrera más caliente de la historia reciente: OpenAI sacando modelos cada pocos meses, Meta regalando pesos abiertos, DeepSeek reventando la tabla de costes desde China. Nadie frenó pese a las cartas. Los firmantes estaban, sin excepción, a menos de un año de lanzar su propio modelo.
La diferencia aquí es que existe una medición externa, con acceso interno y márgenes honestos, y eso es más de lo que ha dado cualquier laboratorio hasta la fecha. METR avisa de sus propios límites: midió tareas bien definidas y fáciles de puntuar en automático, así que puede haber infravalorado el avance real si la automatización mejora o si los benchmarks se quedan cortos frente al impacto verdadero.
De fondo queda la pregunta que nadie responde del todo: si la IA ya acelera su propio desarrollo un 80%, ¿qué pasa cuando esa ayuda deje de ser asistencia y empiece a ser autonomía en las fases críticas del entrenamiento? El informe dice que aún no, pero deja caer que la automatización podría estar más cerca de lo estimado. Signos de vida, lo llaman. Siniestro total, lo llamo yo.
Hype-O-Meter
Nivel de hype: 7/10. No hay keynote ni demo con luces, y aun así este dato vale más que medio Mobile World Congress: la automejora de los modelos deja de ser ciencia ficción y pasa a tener una cifra, 1,9 veces. El asterisco es que las pruebas más jugosas están tachadas, así que el 7 se sostiene sobre una fe razonable, no sobre una certeza.
El resumen para vagos (TL;DR)
- 🎯 ¿Qué ha pasado? METR estima que los modelos de Anthropic mejoran 1,9 veces más rápido que el ritmo histórico.
- 🔥 ¿Por qué importa? Porque el 80% de esa aceleración viene de usar IA para construir mejor IA.
- 🤔 ¿Nos afecta o es solo un meme? Afecta: quien marque el ritmo del entrenamiento marca el precio de todo lo demás.
