AI Agents（智能体）也有我方的"摩尔定律"了？！安捷情色

就在最近，Nature 报谈了一项来自非谋利盘问机构 METR 的最新发现：

AI 在完成长期任务方面的越过速率惊东谈主，其期间跨度约莫每七个月翻一番。

为了掂量 Agent 自动完成任务的智商变化，盘问东谈主员提倡了"50%- 任务完成期间跨度（50%-task-completion time horizon）"这一缠绵。

他们以 50% 任务告捷率为基准，假定 2019 年 AI 达到这一方向所需期间对应东谈主类需要的期间为 10 分钟，那么 7 个月后，其对应的东谈主类完成任务期间则酿成了 20 分钟。

换句话说，AI 梗概胜任越来越多东谈主工耗时久的任务，智商隆重更强。

2024 年这一增长速率变得更快了，一些最新模子约莫每三个月翻一番。

按照预计，约莫五年后，AI 就能自动完成许多东谈主类当今要花一个月才智完成的任务。

网友们纷繁示意，这下终于对 AI 越过神速有实感了！

提倡" 50%- 任务完成期间跨度"缠绵

在 METR 的先容中，他们将这一发现定名为" Moore ’ s Law for AI agents "，也即是"智能体摩尔定律"。

底下咱们注意伸开其盘问顺次。

全体而言，他们主如若让 AI 和一些专科东谈主员在相通要求下尝试完成任务，然后测量东谈主类所需要的期间，最终来比拟 AI 告捷率如何跟着东谈主类完成期间的曲直而变化。

这第一步，盘问团队选用了三个不同的任务套件来评估 AI 模子的智商：

97 个 HCAST 任务，涵盖软件工程、机器学习、收罗安全和一般推理挑战的各种化任务聚拢，难度从几分钟到 30 小时；

7 个 RE-Bench 任务安捷情色，由七个绽放式的机器学习盘问工程环境构成，每个需东谈主类大家约 8 小时完成；

66 个 SWAA 任务，代表软件诞生历程中的单个设施操作，时长 1 秒到 30 秒。

接下来，为了量化评估 AI 模子的发扬，团队招募了800 多名软件工程、机器学习和收罗安全领域的专科东谈主员膨大任务，并纪录他们完成任务所需的期间。

据 METR 先容，在这些任务中，东谈主类完成期间从 1 秒到 16 小时不等。

这些期间被手脚掂量任务难度的圭臬。

然后他们又评估了从 2019 年到 2025 年发布的13 个前沿 AI 模子，包括 GPT 系列和 o1、Sonnet 3.7 等，通过在构建的任务套件上来源这些模子，并纪录它们完成任务的告捷率。

要津来了，随后他们引入了一个新的缠绵——50% 任务完成期间跨度（50%-task-completion time horizon），爱就色色即 AI 模子在 50% 的告捷率下梗概完成的任务的平均期间长度。

之是以选用 50% 这一告捷率，主如若它关于数据漫步的微弱变化最为得当。

浮浅说，当数据的漫步（即数据的特征、比例或趋势等）发生一些小的变化时，这个缠绵不会受到太大的影响，仍然梗概保握相对厚实的发扬。

论文作家之一 Lawrence Chan 示意：

如果你选用非常低或非常高的阈值，那么永诀移除或增多一个告捷或失败的任务，就会对你的揣摸值产生很大的影响。

期骗这一缠绵，团队通过对 AI 模子在各个任务上的告捷与失败数据进行逻辑转头分析，诡计出每个模子的期间跨度，也即是模子完成任务告捷率达到 50% 之时，对应的东谈主类完成任务的期间。

（每个模子在每个任务上来源 8 次，纪录告捷率）

有了这些数据，团队最终绘图了模子自主性随期间呈指数变化的图表。

发现" AI 智能体摩尔定律"

如上图所示，盘问的主要发现是：

自 2019 年以来，AI 模子的期间跨度呈现出指数级增长，每七个月傍边翻一番。

为了考据盘问效果的外部有用性，他们又进行了以下四个实验：

1、用 2023-2025 年数据回溯预计，考据趋势一致性；2、对 HCAST 和 RE-Bench 任务基于 16 个 "芜乱" 成分评级，分析任务芜乱进度对模子性能的影响；3、在其他 SWE-bench Verified 数据集上应用调换顺次，对比效果；4、在里面 Pull Requests（PR）任务上测试模子性能，与东谈主类基线对比。

最终，这一趋势得到了以上外部考据。

比如在第 2 个实验中，所谓的 16 个 "芜乱（messy）" 成分是指施行任务比盘问任务更难的方面，包括任务是否受到有限资源的放胆、是否触及及时归拢或是否源自施行全国的环境。

每个任务齐字据这些成分得到了一个 "芜乱度（messiness score）" 分数。

盘问东谈主员发现，尽管 AI 模子在愈加芜乱的任务上（比如阑珊明确辅导和反应、需要 AI 主动去获得信息、任务要求和要求比拟磨蹭等情况）的竣工性能较低，但另一方面其性能在稳步擢升。

更故理由的是，无论任务的"芜乱"进度如何，AI 齐是以相通的速率在擢升。

再比如在 SWE-bench Verified 基准上的考据，他们也不雅察到了一个雷同的指数级增长趋势。

不外由于标注期间的问题，该基准测试的期间跨度翻倍期间更短。

总之，按照"智能体摩尔定律"进行预计，AI 可能在 2028 年 11 月达到一个月的任务期间跨度；而在较为保守的揣摸下，这一方向可能在 2031 年 2 月完结。

METR 团队觉得，天然盘问还存在职务套件具有局限性、评估缠绵不齐全、曩昔 AI 发展具有不笃定性等需要完善的场地，但很信托这一缠绵每年有 1~4 倍的增长趋势。

而麇集施行中 Manus 智能体的走红，咱们还是梗概料念念到智能体将迎来爆发。

参考勾通：

[ 1 ] https://www.nature.com/articles/d41586-025-00831-8

[ 2 ] https://x.com/METR_Evals/status/1902384481111322929安捷情色