Le Registre · Entrée 021 · Raisonnement
L'exécution autonome de tâches longues
ContestéeDepuis 2025Critère performanceDernière révision 2026-08-17
Événement
METR rapporte que la durée des tâches logicielles que les modèles de pointe accomplissent avec 50 % de fiabilité a doublé environ tous les sept mois depuis 2019, pour atteindre environ une heure de temps humain début 2025.
La mesure est la durée, en temps d'humain qualifié, d'une tâche qu'un modèle termine une fois sur deux ; à 80 % de fiabilité l'horizon est plusieurs fois plus court, et les tâches sont des problèmes logiciels et de recherche autonomes aux critères de succès nets. La révision de METR en 2026 a évalué le doublement récent plus rapide, autour de quatre mois, et rapporté des horizons dépassant dix heures pour les modèles les plus récents, en avertissant que les mesures au-delà de seize heures ne sont pas fiables sur la suite actuelle. Un travail de plusieurs semaines aux objectifs mouvants, avec d'autres personnes et des conséquences qu'on ne peut annuler, voilà ce qui reste ; la pente de la courbe est la raison pour laquelle cette entrée est disputée plutôt que tenue.