前 Anthropic 研究员：算法效率加速提升，重训 Mythos 所需算力已大幅下降

据 IT之家 2026 年 11 月 14 日报道，曾任职于 OpenAI 和 Anthropic 的研究员雅各布·考克森表示，随着算法效率提升，如今重新训练 Anthropic 的 Mythos 模型，只需要最初训练时的一小部分算力。他还透露，Anthropic 在 IPO 路演中展示的一张图表，是促使他离职的重要原因之一。需要注意的是，这一算力判断来自考克森的公开表述，来源并未提供具体降幅或可供复核的训练数据。

一张训练算力图表，为何触发风险担忧？

考克森在 Anthropic 工作了约四个月，此前曾在 OpenAI 负责模型训练。按他的描述，相关路演图表使用了压缩坐标轴，使算力需求增长十倍与百倍在视觉上的差距被缩小，但曲线仍呈现陡峭上升。他由此认为，算法效率不仅在提高，其提升速度也在加快。

他将 Anthropic 于今年春季推出的 Mythos 视为这一趋势的体现：模型的性能突破并非孤立事件，而是算法持续进步的一个节点。在他的判断中，更高效的训练方法已让复现该模型能力所需的算力显著减少。不过，来源没有披露图表的完整口径、模型比较方法及训练条件，因此不能仅凭这些描述，确定整个行业的效率提升幅度。

• 算力判断：考克森认为，重训 Mythos 已不再需要最初同等规模的计算投入。
• 技术判断：他将模型进展归因于算法效率加速提升，而非一次偶然突破。
• 治理主张：由于担忧算法改进走向自动化，他提出明年暂停前沿 AI 模型研发。

影响与解读：不能只用算力投入衡量 AI 进展

这番表态值得关注的地方，在于它把讨论从“投入多少算力”转向了“同样算力能获得多少能力”。如果训练方法持续优化，达到某一能力水平的计算门槛就可能下降。这意味着，单看芯片数量或训练规模，可能不足以判断模型能力的扩散速度。

但算力需求下降，并不等于模型研发的全部成本同步下降。数据准备、实验验证、工程实现和安全评估仍是独立环节。对中文读者和开发者而言，更有价值的观察指标，是类似能力能否以更低成本被稳定复现，以及这些进步是否真正转化为可用的模型与工具，而不是将研究者的趋势判断直接视为已验证的行业结论。

暂停研发主张，仍属于个人判断

考克森进一步认为，算法改进即将实现自动化，因此主张在 2027 年暂停前沿模型研发，让竞争对手获得追赶机会。他预计，这可能推动人类水平智能变成广泛可获取的商品，并认为主要受损者将是 OpenAI 和 Anthropic。上述结果均属于他的预测，不能据此认定已经形成行业共识或执行安排。

今年 9 月，考克森曾公开警告先进 AI 的潜在风险。此次表态延续了同一担忧：能够持续自我改进的系统，未来可能脱离人类控制。算法效率提升既可能降低能力获取门槛，也会增加安全评估的紧迫性。围绕 Mythos 的讨论，最终指向的是同一个问题：当技术进步速度改变时，行业的验证与治理机制能否及时跟上。