Un hallazgo de la organización independiente METR indica que Anthropic está mejorando sus modelos de inteligencia artificial en tareas bien definidas casi el doble de rápido que antes. La evaluación se realizó entre el 12 de agosto y el 29 de octubre.
El dato cobra otra dimensión porque Dario Amodei, CEO de Anthropic, había pedido moderar el ritmo de desarrollo en septiembre. Su advertencia apuntaba a la mejora recursiva, la capacidad de una IA de colaborar en la creación de la siguiente generación de IA.
METR comparó el avance reciente con el ritmo registrado entre marzo de 2024 y octubre de 2025. Su estimación central sitúa la aceleración en 1,9 veces, aunque el margen posible va de 1,3 a 3 veces.
La organización utilizó el AECI, un índice que condensa el rendimiento de un modelo en pruebas estandarizadas. Es decir, no midió toda la inteligencia posible de una máquina, sino cómo resuelve tareas concretas que pueden comprobarse de forma automática.
También te puede interesar:El Próximo Modelo de Anthropic podría anunciarse en las próximas semanasEl engranaje que acelera a la máquina
La clave no parece estar, principalmente, en sumar más potencia de cálculo. METR considera que cerca del 80% de la aceleración podría proceder del uso de IA en el propio desarrollo de IA, aunque presenta esa cifra como una estimación subjetiva y no como una certeza cerrada.
La analogía doméstica ayuda a entender el mecanismo. Una empresa de IA funciona como un taller: antes, los ingenieros construían cada pieza de un coche con sus propias manos; ahora cuentan con una herramienta que busca tornillos, escribe instrucciones y revisa parte del plano.
La IA todavía no conduce el coche sola, pero ya ayuda a montar el motor que impulsará al próximo vehículo. Los investigadores consultados señalan que los sistemas aceleran a las personas, especialmente al programar, pero aún no realizan aportes autónomos en las fases más críticas del entrenamiento.
Anthropic ya reconoció que sus sistemas escriben alrededor del 80% de su propio código. Ese dato no implica que el modelo decida por sí mismo qué producto crear, pero sí revela un cambio en el cableado del trabajo: parte de la tarea repetitiva vuelve al sistema que se está perfeccionando.
También te puede interesar:El Próximo Modelo de Anthropic podría anunciarse en las próximas semanasDe hecho, el avance puede formar un circuito de retroalimentación. Un modelo más capaz ayuda a los equipos a programar, probar y entrenar mejor; esa ayuda produce un modelo posterior aún más competente. Es un interruptor que, una vez encendido, puede aumentar la velocidad de cada ciclo.
La pieza clave que todavía falta ver
Sin embargo, el informe deja una alerta importante. Anthropic ocultó buena parte de la información que METR consideraba más reveladora, incluidas proyecciones sobre futuros modelos, detalles del entrenamiento y el reparto de recursos entre capacidades y seguridad.
La empresa justifica esa reserva por motivos comerciales: divulgar los factores concretos de aceleración podría dar pistas a sus competidores. También interrumpió una verificación sobre cómo distribuye su capacidad de cómputo, los recursos informáticos usados para entrenar modelos, entre desarrollo y seguridad.
METR advierte que esa falta de transparencia obliga a usuarios, gobiernos y empresas a confiar en afirmaciones que no pueden verificar por completo. Además, sus pruebas se concentran en tareas acotadas, por lo que no permiten afirmar con certeza cómo se trasladará esta aceleración a problemas más ambiguos del mundo real.
La oportunidad, entonces, no consiste solo en fabricar IA más rápida. Consiste en construir tableros de control externos, reglas compartidas y evaluaciones independientes, como propuso Amodei. Si el motor acelera, la pieza clave será que también funcionen los frenos.
Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.
