模型能力正朝着该方向快速演进。在 2026 年 2 月至 3 月发布的《前沿风险报告》中，METR 估算了软件任务在前沿模型成功完成概率降至 50% 之前可能持续的时间。Claude Opus 4.6 在较清洁的任务上可达约 17.8 小时，但在涉及动态环境、资源受限、反馈成本高昂或错误难以回退等复杂因素的任务中，仅能维持约 6.4 小时。这一差异表明，任务时长本身并非主要挑战。长周期工作同样要求系统能够保存进度、适应条件变化，并在早期假设不再成立时恢复运行。