Originalarbeiterreichbar

METR, Frontier Risk Report (February to March 2026)

Der Bericht vom 19.05.2026 über eine Bewertungsrunde vom 16.02. bis 16.03.2026. Anthropic, Google, Meta und OpenAI stellten dafür ihre stärksten internen Modelle bereit und gaben frei, welche nicht öffentlichen Angaben erscheinen durften. Die Tabelle der Ergebnisse nennt für die stärksten öffentlichen Modelle des Zeitraums einen Zeithorizont von etwa 12 Stunden bei 50 Prozent (Spanne 5 bis 61 Stunden) und etwa anderthalb Stunden bei 80 Prozent. Die Aufgabensammlung misst nach eigener Angabe oberhalb von 16 Stunden nicht mehr verlässlich, die stärksten Agenten haben sie fast ausgeschöpft. Anhang E teilt die Aufgaben nach 16 Merkmalen, die eine Aufgabe unordentlich machen (messiness): Claude Opus 4.6 erreicht 17,8 Stunden bei der ordentlichen und 6,4 Stunden bei der unordentlichen Hälfte.

geprüft 10.11.2026

Worauf sich diese Seite beruft, wörtlich, abgerufen am 09.10.2026:

Their measured time horizon was over two full-time-equivalent days, though we are increasingly uncertain about the point estimate due to saturation.bestätigt 10.11.2026
for tasks that are over 8 hours long in Time Horizon 1.1, we found that at least 16% of successful runs were illegitimate upon reviewbestätigt 10.11.2026

03 Chancen und Grenzen

Alle Quellen