METR长时程指标是否已趋饱和

@METR_Evals 的长时程指标是否实际上已经饱和？ 自5月以来，AI进展最著名的图表没有更新，但其他已发表的研究表明，在受控环境中，Fable（我推测GPT-6也是如此）可以有效完成18周以上的工作量。