METR推支出地平线 AI智能体仅低预算占优

时间：2026年7月27日 地点：美国加州伯克利 人物：研究机构METR（Model Evaluation and Threat Research）团队，负责人为Beth Barnes 事件详情：2026年7月27日，总部位于加州伯克利的AI评测非营利机构METR正式公开发布了一项名为“支出地平线”（Expenditure Horizon）的新评测指标，用于量化AI智能体在改善AI研发效率方面何时能够真正超越人类。该指标的核心是把AI算力成本、人类劳动时间和实验资源开销统一换算成美元，比较两种路径在相同预算下能带来多大比例的改进。METR在知名开源训练比赛NanoGPT Speedrun上做了实证：人类每带来1%的提速需投入约2500美元的劳动成本，而让六款主流大模型独立尝试时，其“支出地平线”仅在0到3300美元之间，意味着现有AI智能体在更低预算区间尚可占优，一旦预算上升就显著掉队，其中仅GPT-5.5与Opus-4.8跨过了人类曲线。 背景：METR于2023年从老牌AI安全组织拆分独立，目前在伯克利仅有约30名成员，长期负责绘制各种AI能力进化曲线。此前业内衡量AI对AI研发的加速只能依赖零散基准、调查问卷或轶事，定量评估极其匮乏。NanoGPT Speedrun是社区驱动的训练速度比赛，自2024年5月以来训练时间从45分钟压缩到两分钟以内，82个改进步骤累计提速33倍，是METR选中作为“人类价格基准”的天然实验场。 影响： - 行业首次获得统一的AI对AI研发加速的“美元价值”锚点，便于投资人和政策制定者横向对比不同模型的回报曲线 - 主流模型在低预算段勉强胜出，中高预算下反向落败，暴露当前Agentic AI在复杂工程任务上仍依赖昂贵的人工兜底 - Anthropic、OpenAI等自研公司可把该指标纳入内部研发KPI，倒逼模型在长程任务与工具使用效率上做定向优化 总结：METR这次把AI智能体的真实成本“摆上秤盘”，本质是为AI递归自我改进的争论提供了第一份可复现的实验级证据。结果显示当下代模型对AI研发的助力还很有限：只有在低预算的简单任务里AI才划算，随着预算放大，雇佣人类工程师反而更省钱。下一阶段METR将把Opus-4.8与GPT-5.5等前沿模型扩展到更大算力区间，并开源相关评测脚本，进一步压低Agentic R&D的成本曲线，为下一轮加速周期做准备。 参考来源： - https://metr.org/blog/2026-07-21-expenditure-horizon/ - https://the-decoder.com/metr-introduces-a-new-metric-to-calculate-exactly-when-ai-agents-become-more-expensive-than-humans/ - https://www.163.com/dy/article/L2SEAC1H05561FZW.html - https://news.ycombinator.com/item?id=48997951 - https://hub.baai.ac.cn/view/47356