63 lines
5.1 KiB
Markdown
63 lines
5.1 KiB
Markdown
---
|
||
created: 2026-11-16
|
||
updated: 2026-11-16
|
||
sources: [xpost/2026-11-16_snicklink-zeithorizont-1-7-monate.md]
|
||
tags: [concept, metr, benchmark, time-horizon, scaling, anthropic]
|
||
---
|
||
|
||
# KI-Zeithorizont: die 1,7-Monats-Verdopplung
|
||
|
||
## Kurzfassung
|
||
|
||
Ein Post von [Snicklink](../../people/snicklink.md) feiert eine Grafik, nach der sich der Zeithorizont von KI-Modellen seit Claude Opus 4.5 alle **1,7 Monate** verdoppelt. Die zugrunde liegende Messung ist seriös, die Grafik aber nur teilweise: Der gemessene Bereich endet bei Claude Mythos Preview, alles darüber sind aus einem Benchmark-Index abgeleitete Schätzungen, der rechte Rand ist Extrapolation. „It's OVER“ ist eine Projektion, kein Messwert.
|
||
|
||
[Raw-Quelle mit Bildtranskript und Prüfprotokoll](../../../raw/xpost/2026-11-16_snicklink-zeithorizont-1-7-monate.md).
|
||
|
||
## Was gemessen wird
|
||
|
||
[METR](https://metr.org/time-horizons/) definiert den **Task-Completion Time Horizon** als die Aufgabendauer — gemessen an der Zeit, die ein menschlicher Experte braucht —, bei der ein Agent mit einer bestimmten Wahrscheinlichkeit Erfolg hat. Grundlage sind über hundert Software-Aufgaben; pro Modell wird eine logistische Kurve angepasst und der Schnittpunkt bei 50 % beziehungsweise 80 % abgelesen.
|
||
|
||
Wichtig für die Lesart: Der Wert beschreibt **Aufgabenschwierigkeit**, nicht die Zeit, die die KI selbst arbeitet. Ein „38-Stunden-Horizont“ heißt nicht 38 Stunden autonomer Forschung, sondern: Aufgaben, für die Menschen 38 Stunden brauchen, gelingen mit 80 % Wahrscheinlichkeit — einzeln betrachtet.
|
||
|
||
## Was in der Grafik steht
|
||
|
||
| Abschnitt | Verdopplungszeit |
|
||
|---|---|
|
||
| 2019–2025 | 7 Monate |
|
||
| 2024–Anfang 2026 | 3,3 Monate |
|
||
| seit Opus 4.5, inkl. Schätzungen | 1,7 Monate |
|
||
|
||
Der dritte Abschnitt ist der steile Teil — und der am schwächsten belegte. Er besteht überwiegend aus roten Rauten, die laut Bildfußnote **nicht gemessen**, sondern aus Anthropics internem Capability-Index (AECI) geschätzt und mit dem Faktor 6,3 von 50 % auf 80 % umgerechnet wurden. Der gestrichelte Verlauf am Ende ist ausdrücklich Extrapolation.
|
||
|
||
## Die drei Belastbarkeitsgrenzen
|
||
|
||
1. **Obergrenze der Messung.** METR schreibt selbst: „Measurements above 16 hrs are unreliable with our current task suite.“ Alles oberhalb — inklusive der 38 Stunden für „Model 4“ — stammt aus einer Index-Umrechnung, nicht aus Aufgabendaten.
|
||
2. **Der Umrechnungsfaktor streut.** Für Mythos Preview nennt METR 17 Stunden bei 50 % und die Grafik 3,1 Stunden bei 80 %; das ergibt rund 5,5, nicht 6,3. Ein kleiner Unterschied, aber er zeigt, dass der Faktor eine Näherung ist.
|
||
3. **Verifizierbare Aufgaben.** METR nennt als eigene Fehlerquelle, dass AECI vor allem gut bewertbare Aufgaben abbildet und die Beschleunigung auf „sauberen“ Aufgaben stärker ausfallen kann als in der Praxis.
|
||
|
||
## Was METR im November 2026 tatsächlich berichtet
|
||
|
||
Die [Bewertung vom 05.11.2026](https://metr.org/blog/2026-11-05-anthropic-ai-rd-acceleration-assessment/) ist der belastbarere Teil der Geschichte:
|
||
|
||
- AECI-Wachstum seit Oktober 2025 rund **1,9-mal** so schnell wie zuvor (95-%-Intervall 1,5–2,8) — etwa zwei Jahre Fortschritt in einem Jahr.
|
||
- Ein Großteil davon wird dem KI-Einsatz in der eigenen Forschung zugeschrieben; die Beschleunigung geht laut METR nicht auf mehr Trainingscompute zurück.
|
||
- Keine wesentlichen Engpässe in den nächsten zwölf Monaten erkennbar, bei ausdrücklicher Unsicherheit.
|
||
- **Schwächung:** Ein erheblicher Teil der aussagekräftigsten Belege wurde von Anthropic geschwärzt. METR schreibt selbst, die Öffentlichkeit müsse sich dadurch stärker auf das Urteil der Prüfer verlassen als wünschenswert.
|
||
|
||
Das ist eine deutlich nüchternere Aussage als „Exponential Growth“: reale Beschleunigung, große Konfidenzintervalle, eingeschränkte Prüfbarkeit.
|
||
|
||
## Der Kategorienfehler im Meme
|
||
|
||
Der Post karikiert Einwände wie „die Hände haben sechs Finger“ und „meinen Elektriker-Job können sie nicht“. Beides betrifft **Verkörperung und Feinmotorik**, nicht den Zeithorizont bei Software-Aufgaben. Der Spott trifft also einen Strohmann — während die echte Schwachstelle der Grafik ganz woanders liegt: in den geschätzten Punkten am steilen Ende.
|
||
|
||
## Was daraus folgt — und was nicht
|
||
|
||
- **Trägt:** Die Verdopplungszeit hat sich verkürzt; die Größenordnung 1,9-facher Fortschrittsrate ist METRs zentrale Aussage und wird dort ernst genommen.
|
||
- **Trägt nicht:** „1,7 Monate“ als gemessene Konstante. Sie ist ein Fit durch gemischte Datenpunkte, dessen steilster Abschnitt auf Schätzungen beruht.
|
||
- **Offen:** ob sich die Beschleunigung fortsetzt, ob sie auf verifizierbare Aufgaben beschränkt bleibt, und ob aus schnellerem Benchmark-Fortschritt autonome Forschung wird. METR sieht Anzeichen für mehr Autonomie, aber keine vollständigen Beiträge.
|
||
|
||
## Verwandte Seiten
|
||
|
||
- [[robotics-model-benchmark.md]] — Beispiel dafür, wie begrenzt ein einzelner Benchmark Aussagen über allgemeine Fähigkeit trägt
|
||
- [[kognition-vs-skalierung.md]] — Gegenposition: Skalierung schließt die Lücke nicht, sie wird teurer
|
||
- [[../policy/ai-iot-worms-self-replicating-models.md]] — Umgang mit Fähigkeitsprojektionen aus Labordaten
|