Anthropic公开AI研发自动化数据，透明化压力给到OpenAI等竞品

当地时间9月17日，Anthropic发文，首次以量化方式公开内部AI研发自动化进度。

文章披露，截至今年8月，Claude已主导公司内部26%的AI研发工作，而今年2月这一比例尚不足1%。公司内部Agent平台任意时刻约有3万个AI Agent运行，8月产生超10亿次决策。这组数据被视为递归自我改进（RSI）从概念走向工程现实的关键信号。

(资料图片)

Anthropic采用独立AI研究机构Epoch AI提出的六级自动化框架，将AI参与工作划分为AL0至AL5。AL0为完全无AI参与，AL3为AI协作，AL4为AI主导，AL5为完全自主。

截至8月，26%的AI研发工作达到AL4：人类只需给出高层目标，Claude即可完成端到端大部分工作，人类负责监督、检查和最终决策。另有超过90%的研发工作至少达到AL3。

Anthropic举了一个具体场景案例：夜间数据管道故障后，工程师只需把报告交给Claude并说“把它修好”，Claude便可自主查看日志、定位原因、编写修复代码、测试、处理新问题，最后重跑管道、对比结果并撰写说明。但Anthropic明确强调，目前没有任何被测量的AI研发工作达到AL5完全自主水平。

规模数据更为实际。截至8月，Anthropic内部从事研究和工程工作的约3万个Agent，拥有独立于底层模型升级的独立身份标识，通过共享消息系统互相委派任务、交叉纠错。

安全监控方面，所有Agent动作执行前均经在线监控检查，8月超10亿次决策中约0.002%被阻止；离线监控每周标记约10万条对话记录，经分类器过滤误报和初步审查后，最高优先级的约50条升级至人工审查。

算力分配上，7月样本周内约6%的AI研发算力投入安全研究；若仅统计AI驱动的研发，该比例升至约12%。

Anthropic也承认，AI协作与AI主导的边界存在主观性，跨实验室比较需要统一方法和第三方验证。

RSI是近期人工智能领域的热门概念。昨日智谱创始人唐杰披露，GLM-5.3-Flash两周内完成国产加速器全量部署，大部分工作由GLM-5.3驱动的Infra Agent完成。他判断，虽然目前距离完全RSI尚远，但“模型优化系统、系统服务模型”的循环已经开始运转。

此外，OpenAI于9月初宣布达成自动化AI研究实习生里程碑，目标2028年3月前实现自动化AI研究员。但最薄弱环节仍是“决定做什么”，任务超过4小时即需人类频繁介入。

Google DeepMind的进化式编码智能体AlphaEvolve则从算法进化切入，其提出的电路方案已被集成进下一代TPU，Google前任首席科学家杰夫·迪恩（Jeff Dean）评价这是“TPU大脑帮助设计下一代TPU身体的最新案例”。

RSI热度提升背后，是明确的行业趋势。模型研发模式伴随AI技术的提升，正在从人类主导、AI辅助，转向AI参与自身迭代、人类监督的方向。谷歌DeepMind首席战略官贾吉特·塞洪（Jasjeet Sekhon）此前表示，RSI正成为AI资本开支的核心投资逻辑，虽然当前的AI收入还不足以支撑正在投入的资本开支，但不下注RSI并不明智。

此次Anthropic的披露同样划出了清晰的边界：没有任何被测量的工作达到AL5，安全监控仍处于早期，跨实验室比较尚无统一方法。RSI的最小闭环虽然已经出现，但“决定做什么”仍依赖人类，长期判断与真实系统调试能力仍是短板。

Anthropic此次将这些数字透明化，一方面意在让社会在人类尚握主导权的窗口期，参与决定AI自我迭代的节奏与方向；另一方面，这也为行业树立了一个可参照的披露基准，给到其他竞品厂商同样的数据透明化压力。

当Anthropic率先将研发自动化比例、Agent规模、算力投入占比与安全监控覆盖率摆上台面，透明度本身便构成一种无声的竞争压力，不跟进便可能被视为有意遮掩。这种“披露竞赛”一旦形成，行业透明化的节奏将被实质性加快，公众与监管机构也将获得更多衡量AI发展速度的标尺。