50-200分钟

报告指出，大模型在软件开发、数学竞赛等任务上的能力每2-6个月翻一番，表明其正在迈向高度自动化。METR选取9个基准测试评估AI agent的time horizon，发现这些智能体的能力呈现出‘摩尔定律’式的增长趋势。