前Anthropic研究员称Mythos重训成本大降算法效率或加速提升

一句话看懂：前Anthropic研究员Jacob Coxon称，Anthropic如今只需最初训练Mythos所需算力的一小部分就能重新训练该模型，他认为这反映算法效率正以加速态势提升，并据此主张暂停前沿模型开发。

事件核心：发生了什么

2026年11月14日，据The Decoder报道，曾在OpenAI和Anthropic任职的研究员Jacob Coxon在X上表示，他在Anthropic仅约四个月便离职，一个关键原因是公司IPO路演中展示的一张图表。该图描绘训练模型所需的预训练算力随时间的变化，纵轴为对数刻度，覆盖2024年7月至2026年10月，即使在压缩刻度下曲线仍陡峭上升。Coxon认为这指向“超指数级”的算法进步，并称Mythos并非一次性跃升，而是这一趋势上的一个点，Anthropic已能用当初所需算力的“一小部分”重新训练它。Anthropic在图注中说明，数据点为内部估计，仅作示意。

为什么重要

如果训练同等能力模型的算力持续快速下降，竞争的焦点会从“谁有更多GPU”部分转向“谁的训练方法和数据效率更高”。这对闭源前沿实验室意味着成本结构可能改善，也会削弱单纯堆算力的护城河逻辑。Coxon进一步称算法改进“正接近被自动化”，并主张明年暂停前沿模型开发，让追赶者跟上，认为暂停会“商品化人类水平智能”，只对OpenAI和Anthropic不利。需要注意，这属于个人判断，而非Anthropic官方路线图，目前公开信息也未给出可复核的重训算力数字。

对用户/开发者/创作者的影响

对开发者而言，若算法效率确实加速，同等预算下能获得的推理能力、上下文长度或多模态能力可能更快提升，API调用成本的下降节奏值得跟踪，但这取决于厂商定价策略，而非效率提升自动传导。对创作者和企业采购来说，更值得关注的是模型迭代速度带来的迁移成本：频繁升级意味着提示词、评测集和工作流需要持续维护。对开源生态，若“重训成本大降”的趋势成立，中小团队复现接近前沿能力的门槛可能降低，但这仍是推断，不能视为已发生的事实。