モデルの能力は急速にその方向へ向かっています。2026年2月～3月のFrontier Risk Reportで、METRは、フロンティアモデルがタスクを成功裏に完了できる確率が50%に低下するまでに、ソフトウェアタスクにどれくらいの時間がかかるかを推定しました。Claude Opus 4.6は、よりクリーンなタスクでは約17.8時間でしたが、変化する環境、制約のあるリソース、高価なフィードバック、または容易に元に戻せない間違いを伴う、より複雑なタスクではわずか6.4時間でした。この違いは、タスクの長さだけが主な課題ではないことを示唆しています。長期間にわたる作業には、システムが進捗を維持し、条件が変化したときに適応し、以前の仮定がもはや当てはまらなくなったときに回復することも必要です。