Az Anthropic 26 százalékos mérőszámmal támasztaná alá az MI-fejlesztés lassítását

• Az Anthropic szerint 2026 augusztusában a belső fejlesztési munka 26 százaléka már az AL4-es, ember által felügyelt MI-vezetési szintre esett.
• A vállalat a nagyobb átláthatóságot Dario Amodei azon javaslatának alátámasztására is használná, amely összehangolt lassítást sürget az élvonalbeli MI-fejlesztésben.
• A besorolások értelmezése bizonytalan: az emberi értékelők gyakran eltérően ítélték meg ugyanazt a munkaterületet.
• Az Anthropic több tízezer belső ügynököt felügyel, miközben a biztonsági munkára fordított számítási kapacitást is mérhető mutatóvá tenné.

Az Anthropic új belső mutatókkal próbálja megmutatni, hogy a Claude milyen szerepet tölt be a vállalat kutatási és fejlesztési munkájában. A kezdeményezés egyszerre szolgál teljesítménymérőként és az élvonalbeli mesterségesintelligencia-fejlesztés tempójának korlátozásáról szóló szabályozási vita érveként.[^1]

Az Anthropic új mutatója: mikor „vezeti” az MI a munkát?

A vállalat az Epoch AI autonómiaszint-skáláján osztályozta a belső fejlesztési feladatokat. A skála az AL0-s szinttől, amely nem használ MI-t, az AL5-ös, teljesen autonóm működésig terjed.[^3] Az Anthropic adatai szerint 2026 februárjában az AL4-es feladatok aránya még egy százalék alatt volt, augusztusra viszont 26 százalékra emelkedett. A munka több mint 90 százaléka legalább AL3-as szintet ért el, AL5-ös működést azonban a Claude egyetlen területen sem ért el.[^1]

„Az MI vezeti” – így nevezi az Epoch AI az AL4-es szintet.[^3]

A kifejezés nem jelenti azt, hogy a rendszer önállóan határozza meg a kutatás irányát. Az Anthropic példája szerint egy mérnök hibajelentést ad át a Claude-nak, amely elemzi a problémát, elkészíti a javítást és lefuttatja a teszteket. A rendszer azonban nem telepítheti a módosítást: a jelentést ember ellenőrzi, és ő hozza meg a döntést.[^1]

Az AL4 és az AL5 közötti döntő különbség

Az AL3-as szinten az MI együttműködik a dolgozóval, míg az AL4-es szinten a köztes akadályoknál sem áll meg feltétlenül, hanem folytatja a rábízott feladat megoldását. A célkijelölés, az irányítás és a végső jóváhagyás ugyanakkor továbbra is emberi kézben marad. Az AL5-ös kategória jelölné azt az állapotot, amikor a rendszer teljesen autonóm módon működik.[^1][^3]

A 26 százalékos arány értelmezési korlátai

A hivatalos besorolást maga a Claude támogatta: ügynökök gyűjtöttek bizonyítékokat belső Slack-üzenetekből és dokumentumokból, majd egy másik Claude-modell rendelte hozzá az autonómiaszinteket. Az Anthropic elismerte, hogy az értékelő modell hasonló hibákat követhet el, mint az általa vizsgált rendszer.[^1]

A vállalat ellenőrző vizsgálata is azt jelezte, hogy az AL3 és az AL4 határa nem minden esetben egyértelmű. Amikor két alkalmazott értékelte ugyanazt a munkaterületet, az esetek valamivel több mint harmadában jutottak azonos szintre. A hivatalos besorolást adó Claude-modell az emberi értékeléssel az esetek 59 százalékában egyezett meg, 97 százalékban pedig legfeljebb egy szint volt a különbség.[^1]

Ez azért különösen fontos, mert éppen egyetlen szint választja el az „együttműködő” és az „MI által vezetett” kategóriát. A 26 százalék ráadásul nem az önálló döntések számát méri, hanem az egyes tevékenységekre fordított emberi munkaidővel súlyozott feladateloszlást. Ebből nem állapítható meg közvetlenül, hogy a Claude mennyiben befolyásolja a kutatási prioritásokat.[^1]

Az MI-fejlesztés lassítása és az ellenőrizhető biztonsági mutatók

Dario Amodei, az Anthropic vezérigazgatója korábban koordinált lassítást szorgalmazott az élvonalbeli MI-fejlesztésben, különösen az önfejlesztő rendszerek potenciális kockázataira hivatkozva.[^2] A vállalat álláspontja szerint ehhez a nyilvánosságnak több betekintést kell kapnia abba, hogyan készülnek a modellek, és milyen arányban vesznek részt a fejlesztési munkában.[^1]

Az Anthropic belső platformján a beszámoló szerint mintegy 30 000 ügynök futhat egyidejűleg. Egy valós idejű megfigyelőrendszer minden műveletet vizsgál, és például a modellparaméterek másolását is blokkolhatja. A rendszer 2026 augusztusában több mint egymilliárd döntésből 0,002 százalékot állított meg. Egy második, utólagos ellenőrzés hetente mintegy 100 000 naplóbejegyzést jelöl meg, amelyek közül körülbelül 50 kerül emberi felülvizsgálatra.[^1]

A számítási kapacitás mint lehetséges ellenőrzési pont

Egy júliusi mintahéten a vállalat MI-kutatásra használt számítási kapacitásának körülbelül hat százaléka jutott biztonsági munkára. Az Anthropic szerint ez a mutató azért lehet hasznos, mert a számítási kapacitás külső szereplők számára is viszonylag jól ellenőrizhető erőforrás. Egy esetleges iparági megállapodásban ezért a biztonsági kutatásra elkülönített kapacitás aránya is vállalási alap lehetne.[^1]

A hat százalék önmagában nem mutatja meg a biztonsági munka teljes volumenét. A biztonsági kutatás jelentős része kísérletek tervezéséből és kutatói munkából áll, amely kevés számítási kapacitást igényelhet, míg egy új modell betanítása rendkívül erőforrás-igényes. A vállalat azt sem számította biztonsági munkának, amely egyszerre javíthatja a képességeket és a biztonságot.[^1]

Összefoglaló: átláthatósági kísérlet, nyitott kérdésekkel

Az Anthropic mutatói új adatpontokat adhatnak ahhoz a vitához, hogy milyen gyorsan nő az MI-rendszerek gyakorlati önállósága. Ugyanakkor a besorolások bizonytalansága, az önértékelésre épülő módszer és a „vezetés” fogalmának tág értelmezése korlátozza a 26 százalékos adat következtetéseit. A vállalat maga is jelezte, hogy a biztonsági és képességfejlesztési munka közötti határ elmosódott, ezért a fejlesztőknek kell bizonyítaniuk, hogy a mutatóikat következetesen alkalmazzák.[^1]

Forrás:

[^1]: The Decoder (2026. 09. 18.). „Az Anthropic új mérőszámokkal támasztaná alá Dario Amodei tempókorlátozási javaslatát”. The Decoder. Közzétéve 2026. 09. 18..

[^2]: The Decoder (dátum nélkül). „Dario Amodei az MI önfejlesztésére figyelmeztet, és tempókorlátot kér”. The Decoder. Közzétéve 2026. 09. 18..

[^3]: Epoch AI (dátum nélkül). „Toward an O*NET for AI R&D”. Epoch AI. Közzétéve 2026. 09. 18..