---
title: "Anthropic的26%：AI接管的是执行，不是判断"
canonical_url: "https://supawriter.sevnday.com/articles/6c565e5f-ab6f-4486-a88f-d843a845d6f1"
channel: "AI 工具与大模型实操测评"
channel_slug: "ai-tools"
author: "SuperAdmin"
published_at: "2026-09-20T00:35:25.326799+00:00"
updated_at: "2026-11-20T13:04:14.097486+00:00"
word_count: 3023
keywords: ["AI","Anthropic","执行","任务","人类","判断"]
---

> 摘要：Anthropic披露Claude已主导其26%的AI研发工作，半年内从不足1%跃升。这个数字来自其自建指标，衡量的是已定义任务中的执行主导程度，而非AI自主决定研发方向。文章拆解指标口径、执行与判断的分离，以及递归自我改进闭环卡在验证环节的事实，帮助读者区分两条曲线：执行自动化在快速上升，判断自动化尚未同步。

# Anthropic的26%：AI接管的是执行，不是判断

![图片](https://image.cls.cn/images/20260918/ZLYHpX18a3_811x500.png)

## 26%不是'AI造AI'，而是一次口径自定的内部测量

### 这个数字怎么来的

Anthropic在2026年9月首次公布了一组内部数据：截至当年8月，Claude能够“主导”26%的AI研发工作，而2月这个比例还不到1%。数字本身足够抓眼，但它出自一套自建指标——“Anthropic研发自动化指数”，衡量的是Claude参与公司AI研发的程度，不是行业普查，也不是第三方审计。

![图片](https://image.c114.com.cn/20260918/17896931971437.jpg)

测量方法大致分三步。先从2026年7月的内部工作记录、Slack消息和其他文档中抽样约1.5万个模型研发任务；再归纳为542个任务节点，其中378个属于最细分类别；最后，由Claude研究这些任务的执行方式和AI参与程度，并由一个独立的Claude评估模型判定自动化等级。整个过程没有外部机构介入。

### AL4“主导”到底指什么

等级划分借用了Epoch AI提出的AL0至AL5六级标准。AL3是“协作”，AI在人类密切指导下完成大块工作；AL4是“主导”，人类给出高层目标并监督，AI端到端完成大部分任务；AL5是完全自主，不再需要人类参与。26%对应的就是AL4。Anthropic明确表示，目前没有任何一类研发工作被认定为AL5，人类没有退出流程。

这里有两个容易混淆的地方。第一，26%指有多少研发任务由Claude主导、再由人类监督和验收，不是Claude对研发成果的贡献率。第二，它也不意味着研发速度提高了26%。一个任务从“人做AI辅助”变成“AI主导人监督”，改变的是执行环节的分工，不是产出效率的度量。

![图片](https://www.aitntnews.com/pictures/2026/9/18/1fe50ba1-b30a-11f1-b26a-fa163e47d677.webp)

### 为什么口径比数字更重要

Anthropic自己承认，任务分析和等级判断由Claude完成，可能产生系统性偏差；“协作”与“主导”的边界也包含主观判断，需要第三方验证。这不是自我否定，而是对指标成熟度的诚实标注。一个由Claude评估Claude工作等级的闭环，天然存在利益相关的问题。

把26%当作“AI造AI”的证据，跳过了太多中间环节。它测的是已定义任务中的执行主导程度，任务本身怎么拆、优先级怎么排、结果好不好，仍然由人负责。指标的方向有价值，但它的边界和它的数值一样重要。

![图片](https://simg.baai.ac.cn/hub-detail/ef1546c6360d4bd2217d20c0025a12131781007601306.webp)

## 从1%到26%：执行在加速，但判断仍由人做

### 半年跃升的背后是什么在变

从不到1%到26%，半年时间。如果只看这条曲线，很容易得出“AI正在接管自己的研发”的结论。但拆开来看，增长几乎全部发生在执行层——那些可以被明确定义、有清晰输入输出的环节。

Anthropic披露的数据指向同一个方向：截至2026年5月，其代码库中超过80%的合并代码由Claude编写，而Claude Code发布前这个数字仅是个位数。2026年第二季度，典型工程师每天合并的代码量达到2024年的约8倍。在最开放的任务中，Claude的成功率到2026年5月达到76%，六个月内提高了50个百分点。

![图片](https://simg.baai.ac.cn/hub-detail/f5c327450bc3a83957a80bf7845cbc1a1773462001996.webp)

这些数字放在一起，描述的是一个执行速度被大幅放大的研发流程。代码写得更多、合并得更快、开放任务的完成率更高。但Anthropic自己提醒，代码行数不等于生产力提升——合并量增长8倍，不代表有效产出增长8倍。

### 代码编写和任务执行的自动化

执行层的自动化有明确的边界。代码合并、任务执行、在给定目标下寻找最优解，这些工作的共同点是：目标由人设定，完成标准由人定义，AI负责在约束条件内跑出结果。

Anthropic公开的LLM训练代码优化任务提供了一个具体案例。Claude在2025年5月平均提速2.9倍，到2026年4月达到52倍。人类研究员完成同类任务实现4倍提速需要4到8小时。这个对比说明的是执行效率的量级差异，但任务本身——优化哪段代码、以什么指标衡量、提速多少算合格——仍然由人框定。

当任务需要AI自己定义问题和评估标准时，表现明显回落。这不是模型能力突然下降，而是执行自动化和判断自动化之间的断层。

![图片](https://supawriter.sevnday.com/cdn-img/supawriter/7d19fe491661fe34.png)

### 人类还在做什么

人类研究员的工作重心正在从“写代码”转向“定方向”。任务怎么拆、优先级怎么排、什么结果算好、什么时候该停——这些判断目前仍然由人负责。26%测的是已定义任务中的执行主导程度，不是AI自主决定研发方向的比例。

执行层的自动化本身可能改变研发的节奏和规模。即使判断仍由人做，量变也可能带来质变——当AI能在几小时内完成过去需要数天的执行工作，人类研究员可以尝试更多方向、更快验证假设。但代码行数不等于生产力，合并量不等于有效产出。执行加速的真实意义，取决于人类判断的质量能不能跟上执行的速度。

执行层的大幅自动化自然会引出一个问题：如果执行足够快、足够多，AI能不能自己形成改进的闭环？

![图片](https://n.sinaimg.cn/spider20260611/731/w1080h451/20260611/36d6-6ce3dd1fc9ce9db1ec6d8621bb7eeb9d.png)

## 递归自我改进的闭环，卡在哪一步

### PGR实验说明了什么

Anthropic做过一项名为PGR的开放式实验：让较弱的模型去监督更强的模型，看AI能不能自己补上两者之间的能力差距。两位人类研究员花了一周，弥合约23%的差距；9个Claude智能体并行运行约5个自然日、累计约800小时，把差距弥合到97%。单看这个数字，执行效率确实可观——人类一周的工作量，AI用不到六天、约1.8万美元算力就完成了，而且做得更彻底。

但实验的设计本身划定了边界：问题是人类选的，评分标准也是人类定的，结果没有完全迁移到生产规模的模型上。这三点限定不是事后补充的免责声明，而是理解这个实验的关键。它测的是“在人类已经定义好问题和评判标准的前提下，AI能否高效执行”，而不是“AI能否自己发现值得解决的问题”。

![图片](https://www.aitntnews.com/pictures/2026/9/18/204d5b50-b30a-11f1-8a18-fa163e47d677.webp)

### 800小时与0.5分的落差

同一个实验还有后半段。Anthropic把得分最高的方法搬进生产训练环境，在另一套留出评测中只测到0.5分提升，仍在噪声范围内。

97%和0.5分之间的落差，指向一个具体的机制：AI在实验室条件下能找到有效解法，但这些解法迁移到真实训练环境后基本失效。实验室环境的问题是封闭的、指标是清晰的、变量是可控的；生产环境的问题更开放，评测标准更模糊，一个在特定任务上表现优异的方案未必能泛化。0.5分提升落在噪声范围内，意味着你无法确定这个改进是真实效果还是随机波动。

![图片](https://x0.ifengimg.com/res/2026/FE66E8BC3209826B37EA9BD784ED3AE66FCBA6E2_size97_w1080_h457.png)

PostTrainBench的数据提供了另一个参照。在AI自动微调任务上，顶级模型得分25%到28%，人类基线51%。AI大约做到人类的一半。这个差距比PGR实验的结果更温和，也更接近日常研发的真实场景——没有精心设计的实验环境，就是让AI去完成一个标准的模型微调任务。

### 执行速度不等于闭环能力

递归自我改进的完整闭环需要四步：AI自己定义要改进什么问题、执行改进、验证改进是否有效、根据验证结果重新定义下一步方向。当前的状态是执行环节已经相当快，验证和迁移环节明显不足，定义问题这一步基本还由人完成。

Anthropic自己也承认，目前没有任何被测量的AI研发工作达到AL5级别，也就是完全无人类参与的自主工作。研究人员称已观察到递归自我提升的早期迹象，Jack Clark预测2028年底无人类参与的AI研发落地概率超过60%。这些是判断和预测，不是已经跑通的闭环。一位作者在相关论文中给出的估计更保守：2027年落地概率仅30%。

差异不在执行速度上。AI写代码、跑实验、调参数的速度已经远超人类，但“知道该改进什么”和“判断改进是否真的有效”这两件事，目前仍然依赖人类设定问题框架和评判标准。执行快只能让闭环转得更快，不能让闭环自己转起来。

![图片](https://image.c114.com.cn/20260918/17896931977028.png)

## 这个数字对读者意味着什么

### 为什么Anthropic要公开这些数据

Anthropic在博文里说，公开指标是为了“消除顶尖实验室与公众之间的信息鸿沟”，让社会参与决定如何应对。这个表态本身没问题，但需要和它的另一面放在一起看。同一时期，CEO阿莫德伊公开呼吁放缓AI研发，并称计划“不牺牲商业优势或美国在人工智能领域的领先地位”。一家正在加速的实验室呼吁行业减速，这种张力不必然否定数据的参考价值，但提醒一件事：来源方的判断和来源方的利益，最好分开评估。

![图片](https://i.guancha.cn/bbs/2026/09/19/20260919110752743.png)

### 安全算力占比透露的信号

Anthropic统计了2026年7月13日至20日的算力分配：用于AI研发的算力中约6%投入安全研究；仅统计基于AI的AI研发工作时，安全研究占比约12%。公司自己标注这是保守估计，且算力占比不能直接代表安全工作的整体投入。6%到12%不算高，但也不是零。它说明安全研究在被单独计量，这本身是一个可追踪的变量。

监控系统在运转。2026年8月，Anthropic分析了超过10亿次智能体决策，约0.002%被实时拦截，大约每4.7万次操作出现一次。拦截率低可以有两种解读：系统运行良好，或者监控覆盖有限。两种可能同时存在。

### 普通读者该关注什么变量

![图片](https://img.ithome.com/newsuploadfiles/2026/9/de397fa5-4dd8-4022-81bd-bd17ac22bcd0.png)

如果只记一个判断框架，可以分成两条曲线：执行自动化和判断自动化。前者在快速上升，后者尚未出现同等速度的变化。

具体看三个变量。第一，AI自主定义任务的比例——不是完成已拆解任务的比例，而是任务由谁提出。第二，验证环节的人类参与度——结果好不好由谁判定。第三，第三方独立评估是否出现——目前所有关键数字都来自Anthropic自己的测量和披露。Jack Clark预测2028年底无人类参与的AI研发落地概率超过60%，这是个人判断，不是已验证的事实。

26%这个数字会继续被引用，但它测的是执行层，不是判断层。跟踪后者的进展，比记住前者的数值更有用。

## 参考来源

- [AI 造AI：Claude 26% 研发已由Claude“主导”_手机网易网](https://www.163.com/dy/article/L73T8MNK0511D6RL.html)（serper）
- [距离 AI 造 AI 还有多远？ Anthropic Claude 已主导 26% 内部 AI...](https://www.ithome.com/1/003/886.htm)（ddgs）
- [Anthropic Claude 已主导 26% 内部 AI 研发工作 - C114通信网](https://m.c114.com.cn/w5339-1317833.html)（ddgs）
- [力主行业透明！ Anthropic自曝：Claude已主导其26%内部AI研发](https://www.cls.cn/detail/2486872)（ddgs）
- [Claude自我进化突然变快：半年时间，从1%到26%](https://m.aitntnews.com/newDetail.html?newId=29468)（ddgs）
- [3万个智能体同时开工，Anthropic仍没跑通AI自我改进](https://www.sczw.com/webnews/68744.html)（ddgs）
- [Anthropic登上时代封面！内部曝猛料：AI递归自我改进，或在一年内 ...](https://hub.baai.ac.cn/view/53109)（serper）
- [Anthropic 高喊狼（AGI）来了，是为了人类还是IPO？_ 投资界](https://news.pedaily.cn/202606/564934.shtml)（ddgs）
- [世界底层逻辑变了!Anthropic高管称后年AI将开始自我进化(论文全文)](https://view.inews.qq.com/a/20260506A01VRU00)（serper）
- [Anthropic“狼来了”：喊停的人，跑得最快-36氪](https://36kr.com/p/3848614782515847)（ddgs）
- [Anthropic 提供了一份Claude “自我构建”的报告 - 知乎专栏](https://zhuanlan.zhihu.com/p/2046710526953239450)（serper）
- [Claude自我进化突然变快：半年时间，从1%到26% - 凤凰网](https://i.ifeng.com/c/8wVsiwr81Ar)（serper）
