Суть инсайта: 8 ≈ e²
В отчете METR (Metaculus Research) анализируются данные Anthropic за второй квартал 2026 года. Ключевая метрика: контрибьюторы Anthropic слили в репозитории в 8 раз больше строк кода (LoC) в день по сравнению со средним показателем периода 2021–2024 годов. При этом автор, Томас Ква (Thomas Kwa), подчеркивает, что объем кода — лишь часть работы исследовала. Однако экономические модели показывают, что даже при пессимистичных допущениях (нулевой прирост эффективности в не-кодовых задачах) общий коэффициент эффективности исследователя (researcher uplift) превышает 2x.
Экономическое моделирование: Cobb-Douglas и CES
Для оценки общего вклада исследователя используются две стандартные производственные функции. Первая — Cobb-Douglas — предполагает, что код и не-кодовые задачи (мысли, написание статей, эксперименты) имеют эластичность замещения, равную 1. Если предположить, что на код тратится 50% времени исследователя, то рост объема кода в 8 раз дает uplift ровно в 2.83x (так как $\sqrt{8} \approx 2.83$).
Вторая модель — CES (Constant Elasticity of Substitution) — позволяет варьировать степень взаимозаменяемости задач. Удивительно, но из-за математического совпадения, что $8 \approx e^2$, оценка uplift остается стабильной в диапазоне 2.56x – 3.07x при широком изменении параметров эластичности замещения ($\sigma$ от 0.3 до 3.0). Это означает, что результат мало зависит от того, насколько код и аналитика являются «субститутами» или «комплементами».
Детали расчетов и сценарии
Ниже приведена таблица, показывающая, как меняется распределение времени и скорость ускорения (coding uplift) в зависимости от эластичности замещения, при фиксированном росте объема кода в 8 раз:
| Эластичность замещения ($\sigma$) | Сценарий взаимодействия задач | Скорость ускорения кода (Coding Uplift) | Доля времени на код (после AI) | Итоговый Researcher Uplift |
|---|---|---|---|---|
| 0.3 | Сильные комплементы (как левый/правый ботинок) | ~114x | 3% | 2.56x |
| 0.5 | Базовый сценарий | 23.3x | 17% | 2.75x |
| 1.0 | Нейтральный (Cobb-Douglas) | 8.0x | 50% | 2.83x |
| 2.0 | Субституты | 4.8x | 83% | 2.91x |
| 3.0 | Почти идеальные субституты | 4.2x | 95% | 3.07x |
Почему это важно для индустрии
Результат противоречит внутренним оценкам Anthropic, заявленным в карточке системы Mythos, где общий прирост R&D («overall R&D uplift») оценивается как «значительно меньше 2x». Автор объясняет это тем, что R&D зависит не только от труда (labor), но и от вычислений (compute). Рост вычислительных мощностей не учитывается в метрике «researcher uplift», но может снижать общий коэффициент эффективности R&D, если labor-часть растет быстрее, чем общая производительность системы.
Томас Ква прогнозирует, что общий R&D uplift достигнет 2x при исследовательском uplift около 3.5x, что может произойти в течение следующего года. Ключевой вывод: для точной оценки необходимо измерять не просто количество строк, а качество кода и его влияние на конечный научный результат, так как текущие метрики (LoC) могут завышать реальную ценность из-за «вербозности» AI-кода или создания низкоценного кода.
Источник: LessWrong ↗