Duración de las tareas —en tiempo que tardaría un profesional— que cada modelo completa con éxito la mitad de las veces. Son tareas de programación, ciberseguridad e investigación en IA. Fuente: METR, Time Horizon 1.1 · datos a .
Cómo leer el gráfico
- Línea gruesa: récord vigente en cada momento. Puntos huecos: modelos que no batieron el récord. *: medida poco fiable.
- Cautela: exigiendo un 80 % de éxito, el horizonte es unas 5 veces menor. Por encima de 16 h, las medidas son poco fiables.