Claude自我进化突然变快：半年时间，从1%到26%|agent|claude|代码|编程|自动化|自我进化

编辑｜泽南

AI 距离递归的自我改进（RSI）还有多远？

这个问题是目前 AI 领域最热的话题之一，过去我们通常只能观察一些间接信号：大模型的编程能力跑分，Agent 连续工作的时间，开发人员用 AI 写代码的比例。

现在 Anthropic 给了你一个实际的数字：截至今年 8 月，在 Anthropic 内部的 AI 研发工作中，Claude 已经主导了 26% 的工作。与此同时，超过 90% 的 AI 研发工作已经至少进入了「AI 协作」的阶段。

本周五，Anthropic 发布博客公开了 Claude 研发过程中 AI 自动化的进度。最先进的 AI 现在已经基本上把自我改进当成常规武器在用了。

过去半年时间里，前沿 AI 实验室内部隐藏的自动化曲线已经变得陡峭起来，在 Anthropic 最主要的内部 Agent 平台上，任意时刻都有约 3 万个 AI Agent 正在进行研究和工程工作。仅在今年 8 月，这些 Agent 就产生了超过 10 亿次决策。

某种意义上，一个由人类研究员和数万 AI Agent 共同组成的自动实验室已经开始出现了。

Claude 早已不是「帮忙写代码」

首先需要解释一下所谓「Claude 主导 26% 的研发」究竟是什么意思。

Anthropic 采用了 Epoch AI 提出的一套自动化等级，将 AI 参与工作划分为 AL0 到 AL5 六个阶段。AL0 意味着完全没有 AI 参与，随后依次是 AI 提供少量帮助、AI 辅助、AI 协作、AI 主导，直到最高的 AL5，AI 可以在没有人类参与的情况下完全自主工作。

看起来和自动驾驶的等级划分差不多，目前最值得关注的是 AL4，也就是 Anthropic 所说的「AI leads」。进入这个等级以后，人类通常只需要给 AI 一个大致的目标（就像大家说的许愿式编程），AI 就能够自己完成绝大部分端到端工作。人类不再需要一直守在旁边告诉它下一步做什么，主要只是负责监督、检查以及最后的决策。

Anthropic 举了一个具体的例子。假设一个每天夜间运行的数据管道突然坏掉。在 AL3 阶段，工程师可能需要先检查日志、形成初步判断，然后把信息交给 Claude。遇到意外问题时 Claude 还可能停下来，等工程师决定下一步怎么处理。

到了 AL4，工程师只需要把故障告警丢给 Claude，说一句「把它修好」。

接下来 Claude 可以自己查看日志、找到故障环节、定位原因、编写修复代码、测试，并处理过程中遇到的新问题。最后它还会重新跑一遍数据管道、对比修复前后的结果，并写好故障说明。人类最后再决定是否上线。

真正的 AL5 则更进一步：连「发现问题并叫 Claude 来修」这一步都不需要人类完成，AI 自己监控系统、发现故障、调查、修复、测试乃至部署。

Anthropic 毕竟自己一直担心 AI 发展的速度太快，特别强调了目前还没有任何被测量的 AI 研发工作达到 AL5 级别。所以，26% 的研发由 AI 主导并不等于四分之一 Anthropic 研发已经完全没人管了。

但这个变化的速度显然已经非常惊人。

2026 年 2 月，进入 AL4 的研发工作还不到 1%；到了 8 月已经达到 26%。与此同时，90% 以上的研发工作至少达到 AL3，即 AI 已经能够在人的密切指导下完成大块工作。

相比于「Claude 写了多少代码」，这个指标可能更接近真正的 AI 研发自动化程度。毕竟写代码只是研发链条的一部分。

Anthropic 内部跑着 3 万个 Agent

其实，Anthropic 在 6 月份《When AI builds itself》中已经披露过一个夸张的数据：截至今年 5 月，Anthropic 合并进入代码库的代码中，超过 80% 可以归因于 Claude 编写。

与此同时在 2026 年第二季度，一名典型 Anthropic 工程师每天合并的代码量已经达到了 2024 年的大约 8 倍。

不过这个数字并不能说明整个研发过程自动化了，工程师还需要自己决定做什么、怎么做、系统如何设计，然后让 Claude 把已经明确的方案翻译成代码。

这次 Anthropic 讨论的已经是更深一层的问题：人类究竟还需要在研发循环里做多少事情？

为此，Anthropic 建立了一个「R&D Automation Index」。其先从公司内部的 Slack 和各种研发文档入手，在 2026 年 7 月的每一周，从参与模型研发循环的各个部门随机抽取 20% 的员工，让 Claude 研究这些员工一周都做了什么。

Claude 整理出了大约 1.5 万项具体的模型研发任务。接下来，AI 又把这些任务整理成一棵巨大的研发工作树，共有 542 个节点，其中 378 个是最底层的具体任务，例如评测平台故障诊断、RL 沙箱网络策略、推理服务事故复盘等。之后，再由 Claude Agent 调查每一类工作目前究竟是怎么完成的、哪些步骤由人类负责、哪些步骤已经交给 AI。最后由一个独立的 Claude Judge 读取证据，把这些工作分别评为 AL0 到 AL5。

当然，这套指标并不是完全可靠。尤其是「AI 协作」和「AI 主导」的边界带有一定主观性，Anthropic 也承认，如果未来不同 AI 公司都公布这项数字，还需要统一方法，并让第三方进行验证。

不过还有一些同样值得关注的数据，比 26% 更有画面感。

截至今年 8 月，在 Anthropic 使用最多的内部 Agent 平台中，任意时刻大约有 3 万个 Agent 正在从事研究和工程工作

这些 Agent 还不是彼此完全隔离工作的。Anthropic 称在内部系统中，Agent 已经在长时间半自主工作，也会互相委派任务。公司因此专门给每个 Agent 建立了持续的「身份」，这个身份不会随着底层模型升级而消失。Agent 之间则通过一个开放的共享消息系统进行沟通。所有信息都会标明是谁发出的，并尽量保留原始引用。

这样的设计的目的是像人一样工作：当一个 Agent 看到另一个 Agent 的信息时，会把它当成「其他人提出的一项需要验证的主张」。虚拟员工之间因此既可以协作，也可以互相纠错。

Anthropic 正在面对的摊子，也已经从监督一个 AI 变成了监督上万个 Agent 的庞大组织。

目前，这 3 万个 Agent 的所有行为都会经过在线监控系统。Anthropic 称在其统计范围内，100% 的 Agent 动作在执行之前都会通过在线 Monitor 检查，通常只需要几秒钟。而在 2026 年 8 月，Anthropic 分析了研发 Agent 做出的超过 10 亿次决策，其中大约 0.002% 被监控系统阻止。

除此之外还有另一套离线监控系统，在 Agent 行动完成以后分析完整记录。它每周大约会标记 10 万条对话记录，再经过多层分类器排除误报，其中最高优先级的约 50 条 / 周最终升级到人工审查。Anthropic 指出，目前他们观察到单个 Agent 真正出现问题的情况并不常见。

Anthropic 公布的第三项指标是算力的分配。其抽取了 2026 年 7 月 13 日至 20 日的一周，将自己的计算资源按照不同用途进行分类。结果显示，在用于 AI 研发的算力中，大约 6% 被划分为安全研究。如果只看由 AI 驱动的 AI 研发，那么安全研究所占的计算量大约为 12%。

人类的才华，还有多少用？

Anthropic 公布的这些数据，让我们用侧面观察了大模型自我迭代起飞的一个瞬间。

它直指 AI 行业越来越频繁讨论的概念：递归自我改进（recursive self-improvement，RSI）。Anthropic 此前将它描述为 AI 能够完全自主地设计、开发自己的下一代系统。

这次 Anthropic 仍明确表示，目前测量范围内没有任何 AI 研发工作达到 AL5 的完全体。但这里是 AI 领域，事情变化的速度太快，从不到 1% 到 26% 只用了半年。如果现有趋势延续，到 2026 年底，「AI 主导」的比例就会接近 80%。

如果 AI 真的开始明显加速 AI 研发，那么今天判断 AI 公司的很多指标的重要性都需要重新审视，关键问题可能只剩下智力：