Dowody na przełom w końcówce 2025 roku
Analiza czterech niezależnych metod pomiarowych wskazuje na wyraźny punkt zwrotny, który przypadł na ostatni kwartał 2025 roku. W ciągu zaledwie 25 dni rynek został zdominowany przez serię premier kluczowych modeli:
- 17 listopada: xAI wprowadza Grok 4.1, przejmując prowadzenie w rankingach.
- 18 listopada: Google publikuje Gemini 3, pierwszy model, który przekroczył barierę 1500 punktów w rankingu LMArena.
- 24 listopada: Anthropic prezentuje Claude Opus 4.5.
- 11 grudnia: OpenAI odpowiada modelem GPT-5.2.
Zbieżność tych wydarzeń sugeruje, że odczuwalny przez wielu użytkowników skok w możliwościach AI nie był przypadkiem, lecz efektem realnego przyspieszenia technologicznego, które trwa do dziś.
Weryfikacja poprzez niezależne wskaźniki
Aby uniknąć błędów pomiarowych, takich jak zanieczyszczenie danych treningowych czy „hakowanie” wyników, warto zastosować test wieloźródłowy. Jeśli cztery różne metody, stosowane przez niezależne organizacje, wskazują na ten sam trend, prawdopodobieństwo błędu drastycznie spada. Oto cztery kluczowe wskaźniki potwierdzające postęp:
| Wskaźnik | Opis | Zmiana |
|---|---|---|
| METR (Time Horizon) | Długość zadania programistycznego, które AI wykonuje poprawnie w 50% przypadków. | Z 4 minut (marzec 2024) do 12 godzin (luty 2026). |
| TrackingAI (IQ) | Testy kognitywne w środowisku offline (brak dostępu do internetu). | Z 1 na 1,1 osoby (marzec 2024) do 1 na 44 osoby (czerwiec 2026). |
| Humanity’s Last Exam | Egzamin na poziomie doktoranckim z różnych dziedzin. | Wzrost z 2,7% (maj 2025) do 53% (czerwiec 2026). |
| ARC-AGI-2 | Testowanie abstrakcyjnego rozumowania. | Zastój przez 15 miesięcy, a następnie skok do 53% w grudniu 2025. |
Cztery filary przyspieszenia
Ten gwałtowny wzrost nie jest dziełem przypadku, lecz wynikiem synergii czterech mechanizmów:
- Efektywność pretreningu: Dzięki architekturze typu Mixture-of-Experts (MoE), modele wymagają coraz mniej mocy obliczeniowej do osiągnięcia tych samych rezultatów. Szacuje się, że koszt obliczeniowy potrzebny do osiągnięcia danego poziomu zdolności zmniejsza się o połowę co osiem miesięcy.
- Uczenie przez wzmacnianie (RL) z weryfikowalnymi nagrodami: Zamiast polegać wyłącznie na tekstach pisanych przez ludzi, modele uczą się na zadaniach, które można sprawdzić automatycznie – takich jak kodowanie czy matematyka. Pozwala to na generowanie niemal nieograniczonej ilości danych treningowych o kontrolowanym poziomie trudności.
- Inżynieria „uprzęży” (Harness Engineering): Zdolności modelu zależą nie tylko od jego wag, ale także od systemu, w którym pracuje. Dodanie pętli weryfikacyjnych, dostępu do narzędzi i pamięci roboczej pozwala znacząco podnieść skuteczność działania bez zmiany samego modelu. Przykładem jest wzrost wydajności agentów kodujących o 14 punktów procentowych dzięki lepszej obsłudze błędów.
- Efekt koła zamachowego: AI coraz częściej pomaga w tworzeniu kolejnych wersji AI. Anthropic raportuje, że ponad 80% ich scalonego kodu jest generowane przez Claude, co znacząco przyspiesza cykl rozwojowy.
Wyzwania i przyszłość
Mimo imponujących wyników, przed branżą stoją istotne bariery. Zasoby wysokiej jakości tekstów tworzonych przez ludzi wyczerpią się prawdopodobnie w ciągu najbliższych 6 lat. Istnieje również tzw. „luka niezawodności” – modele znacznie lepiej radzą sobie z zadaniami wykonywanymi „czasami” (50% skuteczności) niż z tymi, które wymagają pełnej powtarzalności (80% skuteczności). Dodatkowo, nowe testy, takie jak ARC-AGI-3, wymagające interaktywnego rozumowania w dynamicznym środowisku, pozostają wyzwaniem, z którym obecne modele radzą sobie na poziomie poniżej 1%.
Niezależnie od tych wyzwań, dane potwierdzają, że postęp w dziedzinie sztucznej inteligencji jest realny, mierzalny i obecnie wykazuje tendencję wzrostową.