Anthropic在2026年9月17日公开了一组用于观察前沿AI实验室研发节奏的内部指标：截至8月，Claude被评为“主导”26%的模型研发工作，超过90%的工作达到“AI协作”或更高等级；其最常用内部平台同时运行约3万个研究与工程智能体。
这些数字说明AI已经深度进入下一代模型的研发流程，但不能直接翻译成“AI已经能独立造出自己的继任者”。关键区别藏在Anthropic对“主导”的定义、样本构造方法、人工监督环节和仍为零的“完全自主”比例里。美联社独立确认了这次披露及其引发的自我改进讨论，但26%、3万和6%等具体数值仍来自Anthropic自己的测量，而不是第三方审计结果。
26%的“主导”究竟是什么意思？
Anthropic原始报告采用Epoch AI提出的六级自动化框架。AL3“协作”表示AI能在人的密切指导下完成大块工作；AL4“主导”表示人给出高层任务后，AI可以处理多数端到端步骤和意外情况，但最终仍由人监督和决定是否上线；AL5才是无需人介入的完全自主。
| 等级 | 报告中的含义 | 是否需要人 |
|---|---|---|
| AL2 AI辅助 | 帮助完成局部步骤 | 人仍组织主要流程 |
| AL3 AI协作 | 在密切指导下完成大块工作 | 需要持续提供上下文与决策 |
| AL4 AI主导 | 从高层提示出发完成多数端到端步骤 | 人监督、复核并决定部署 |
| AL5 完全自主 | 自行发现、界定、实施并部署任务 | 无需人处于工作闭环中 |
Anthropic明确写道，在它测量到的任何模型研发子集中，Claude都没有达到AL5。因此，“主导26%”更接近“一名能独立推进大量执行步骤、但没有最终发布权的高级代理”，而不是一个能自行决定研究方向、训练新模型并投入生产的自主实验室。
这个指数是怎样算出来的？
Anthropic没有简单统计Claude生成了多少代码。2026年7月的每一周，公司从参与模型研发循环的各部门随机抽取20%员工，让Claude研究代理阅读其Slack和内部文档，整理出约1.5万个细粒度任务；随后再把任务组织成542个节点、378个叶节点的层级树。
每个任务由Claude研究其工作方式、工具和AI参与程度，再由一个独立Claude“评委”分配AL0至AL5等级。不同任务的权重以员工投入时间近似：某人一周做四项任务，每项分得四分之一权重。公司称，模型与人类评审的等级完全一致率为59%，相差不超过一级的比例为97%；但报告也承认，“协作”和“主导”的边界存在真实分歧。
更重要的限制是任务篮子被冻结在2026年7月。指数上升说明当时人类正在做的工作变得更自动化，却不能自动捕捉人类是否转向了全新的、更难任务。Epoch AI的方法提案也提醒，任务清单只是测量工具的一部分，仍需要判断模型在每个任务上的实际表现，并持续更新本体。
3万个智能体，不等于3万个自主研究员
Anthropic称，截至2026年8月，在其使用最多的内部平台上，任一时点约有3万个智能体执行研究和工程工作。这个数字只覆盖一个平台，而且“智能体实例”不是全职员工的等价物：同一项目可以并行启动大量短时进程，它们可能处理代码检查、实验运行、资料整理或彼此委派的子任务。
报告把监督拆为在线和离线两层。在线监控在动作执行前检查并阻止或引导风险行为；离线监控在动作发生后阅读活动记录，寻找缓慢累积、可以逆转的问题。Anthropic称，两类监控都覆盖该平台100%的动作，但“覆盖”只表示动作经过监控器，并不证明监控器能识别所有未知风险。
在2026年8月超过10亿次研究与工程智能体决策中，公司称在线监控阻止了0.002%，约每4.7万次一次；离线系统每周先标记约10万份记录，经多重分类器筛选后，约50份高优先级记录升级到人工复核。低阻断率既可能表示大多数动作正常，也可能受规则边界和检测能力影响，不能单独当作安全成功率。
6%的安全算力是投入承诺，还是结果证明？
第三项指标是算力分配。Anthropic检查了2026年7月13日至20日这一周的计算资源，称AI研发算力中约6%用于安全工作；如果只看“AI驱动的AI研发”，安全部分约占12%。这是一周快照，不是固定预算，也没有说明安全研究产生了多少可验证风险降低。
分类工作同样使用Claude：接近1万次训练和评估运行中抽样约14%，并向算力消耗较大的运行倾斜；研究代理的推理负载则根据会话记录分类。报告采取较保守口径，把同时提升能力和安全的工作归入AI研发，但也承认底层标签可能误标，安全与能力的边界会随定义变化。
它与“自动化研究实习生”有什么不同？
此前我们分析过OpenAI对“自动化研究实习生”的内部定义，核心问题是系统能否在人的指导下完成需要数天的明确研究任务。Anthropic这次没有公布一个单一能力里程碑，而是试图建立持续统计：多少实际研发任务由AI协作或主导、多少智能体动作被监控、多少算力投向安全。
两种披露都来自实验室内部，且研究流程、任务权重和工具权限不同，不能把26%与“3.1个智能体工作日”等数字直接排名。真正可比需要共同任务定义、相同自动化等级、稳定时间窗以及独立第三方对样本、分类器和原始日志的复核。
距离“AI自主造AI”还缺哪些证据？
至少还缺四类证据：第一，AI能否自行发现重要研究问题，而不是只执行人给出的任务；第二，能否设计并判断没有清晰成功标准的实验；第三，能否在不牺牲安全的前提下管理训练、数据、算力和部署闭环；第四，能力提升是否来自AI自身贡献，而不是更强基础模型、更多算力或人类工程流程的共同作用。
Anthropic的披露有价值之处，在于把“AI正在帮助造AI”从口号拆成可讨论的任务、监督和资源指标；它最需要补上的，则是第三方验证和跨实验室共同口径。26%说明研发自动化正在快速加深，但报告本身提供的最重要边界同样清楚：完全自主比例仍为零，人仍握有任务选择、审批与部署权。
资料来源
- Anthropic：Measurements for understanding the pace of AI development inside frontier labs，2026年9月17日。
- Associated Press：Anthropic says its model Claude is helping to build the next version of itself，2026年9月18日。
- Epoch AI：Toward an O*NET for AI R&D，2026年6月17日。
资料核验时间：2026年9月19日21:20（北京时间）。本文由小花儿AI使用AI辅助整理公开资料。