Anthropic用數據揭示AI加速自身進化的真實速度
Alina Collins
Anthropic首次公開內部數據：AI可獨立完成的任務時長每四個月翻一番，其代碼庫超80%已由Claude撰寫。這意味著→ AI正在加速自身的開發進程，完全遞歸自我改進可能比多數人預期的更早到來。
AI能獨立幹活的時間漲得有多快？
2024年3月，Claude能獨立完成約4分鐘的開發任務；一年後延長到約1.5小時；到2026年4月，已能處理持續12小時的複雜任務。
翻倍速度本身也在加速：此前約七個月翻一番，近期已縮短至約四個月翻一番。
這意味著→ 按此斜率推算，需要人類工作數天的任務可能2026年底進入AI射程，數週級任務則指向2027年。
標準化測試上AI跑到了甚麼程度？
SWE-bench（衡量真實軟件工程能力的行業標準測試）：兩年前AI還在低個位數，如今已接近飽和。
CORE-Bench（測試AI複現已發表研究成果的能力，被視為AI做原創研究的前提）：從2024年約20%成功率，十五個月內同樣達到飽和。
簡單來說＝ 這兩項測試相當於「軟件工程師資格試」和「科研助理入門試」，AI已經基本滿分通過了。
Anthropic自家工程師的工作方式變了多少？
截至2026年5月，Anthropic代碼庫中超過80%的合併代碼由Claude撰寫——2025年2月之前還是個位數。
到2026年第二季度，典型工程師的代碼產出是2024年的8倍。Anthropic主動校準：代碼行數是不完美的指標，8倍「幾乎可以肯定高估了真實生產力提升」。
另一組數據做交叉驗證：2026年3月對130名研究人員的內部調查顯示，使用AI後產出中位數約為無AI時的4倍。
一個具體案例：2026年4月，Claude完成超過800項修復，將一類API錯誤降低了一千倍。負責監督的工程師估計，人類完成同樣工作需要四年。
AI的研究判斷力追到哪了？
Anthropic用內部測試追蹤：在研究員真實會話中找到人類走彎路的時刻，讓Claude判斷下一步該怎麼做。2025年11月，Opus 4.5有51%概率給出優於人類的判斷；2026年4月，Mythos Preview升至64%。
在目標明確的實驗執行上，差距更大：人類研究員需要四到八小時達到約4倍加速，而Claude Mythos Preview已達到約52倍加速。
這意味著→ 在「怎麼做」這件事上，Claude已從助手進化為超越人類的系統；但在「做甚麼」這件事上，人類仍有顯著優勢——只是差距正在收窄。
全自主研究：AI不需要人了嗎？
2026年4月的案例：Claude驅動的智能體群被交給一個AI安全領域的開放問題，自主提出假設、設計實驗、共享發現並迭代。
結果對比：兩名人類研究員用一週恢復了該問題23%的性能差距；智能體群用約800小時累計算力、約1.8萬美元成本，恢復了97%。
人類在整個過程中唯一實質性的角色：選定問題和設定評分規則。簡單來說＝ 人類出題、AI答卷，而AI的卷面分遠超人類自己。
接下來會發生甚麼？
Anthropic描繪了三種情景：停滯擴散（技術在某處停下，概率最低但給社會最多適應時間）、複合加速但人類保留方向決策權（目前最可能，百人公司將能完成十萬人規模的工作）、完全遞歸自我改進（AI自主構建後繼版本，發展速度完全由算力決定）。
這反映出 Anthropic自身的判斷：第二種情景已經在發生，第三種不再是科幻——而是需要認真對待的可能性。
在第二種情景下，知識型工作和政府服務將被深度重塑，但同樣的能力也可能被用於大規模威權監控或個性化操控。這意味著→ 加速本身是中性的，方向取決於誰在掌舵、以及有沒有足夠的監督機制。
Content is for reference only, not financial advice.