论文用 228 个任务和 26 个 AI 重算时间跨度，并发现 2 至 30 分钟区间明显非线性。
研究发现相同倍数的 AI 时间跨度提升难度并不相等
2026-10-09前沿观察WATCH
一项统计复核用 228 个任务和 26 个 AI 重算 METR 的 50% 时间跨度。非线性模型显示，模型从 3 分钟跨到 30 分钟，比从 30 分钟跨到 5 小时容易得多，尽管两者都是十倍增长。作者建议时间跨度必须与诊断图一起解释。
可用状态：仅论文；未发现公开代码或数据包
对你意味着什么
对用时间跨度规划 agent 路线图的人来说，单一倍增曲线可能夸大短任务区间的能力进步。结论来自预印本且没有公开复算包；在改变采购或自动化假设前，应等待数据与代码复现。
前沿观察
公开材料与效果验证，分开看。
已记录的事实是工作及其材料已公开。论文或作者报告的效果不自动等于独立复现。下一步关注可复用代码、任务设置和第三方验证。
证据与关联材料
技术细节与六维评分
| 样本 | 228 个任务、26 个 AI 系统 |
|---|---|
| 方法 | 样条函数与项目反应理论 |
| 发现 | 2 至 30 分钟区间的人类时间到 AI 难度曲线近乎平坦 |
| 可用性 | 仅论文；未发现公开代码或数据包 |
技术影响 3
工程价值 3
采用信号 1
成熟度 1
验证成本 4
风险 2