Anthropic用数据揭示AI加速自身进化的真实速度
Alina Collins
Anthropic首次公布内部数据：AI可独立完成的任务时长每四个月翻一番，其代码库超80%已由Claude撰写。这意味着→ AI正在加速自身的开发进程，完全递归自我改进可能比多数人预期的更早到来。
AI能独立干活的时间涨得有多快？
2024年3月，Claude能独立完成约4分钟的开发任务；一年后延长到约1.5小时；到2026年4月，已能处理持续12小时的复杂任务。
翻倍速度本身也在加速：此前约七个月翻一番，近期已缩短至约四个月翻一番。
这意味着→ 按此斜率推算，需要人类工作数天的任务可能2026年底进入AI射程，数周级任务则指向2027年。
标准化考试上AI跑到了什么程度？
SWE-bench（衡量真实软件工程能力的行业标准测试）：两年前AI还在低个位数，如今已接近饱和。
CORE-Bench（测试AI复现已发表研究成果的能力，被视为AI做原创研究的前提）：从2024年约20%成功率，十五个月内同样达到饱和。
用大白话说＝ 这两项考试相当于"软件工程师资格证"和"科研助理入门考"，AI已经基本满分通过了。
Anthropic自家工程师的工作方式变了多少？
截至2026年5月，Anthropic代码库中超过80%的合并代码由Claude撰写——2025年2月之前还是个位数。
到2026年第二季度，典型工程师的代码产出是2024年的8倍。Anthropic主动校准：代码行数是不完美的指标，8倍"几乎可以肯定高估了真实生产力提升"。
另一组数据做交叉验证：2026年3月对130名研究人员的内部调查显示，使用AI后产出中位数约为无AI时的4倍。
一个具体案例：2026年4月，Claude完成超过800项修复，将一类API错误降低了一千倍。负责监督的工程师估计，人类完成同样工作需要四年。
AI的研究判断力追到哪了？
Anthropic用内部测试追踪：在研究员真实会话中找到人类走弯路的时刻，让Claude判断下一步该怎么做。2025年11月，Opus 4.5有51%概率给出优于人类的判断；2026年4月，Mythos Preview升至64%。
在目标明确的实验执行上，差距更大：人类研究员需要四到八小时达到约4倍加速，而Claude Mythos Preview已达到约52倍加速。
这意味着→ 在"怎么做"这件事上，Claude已从助手进化为超越人类的系统；但在"做什么"这件事上，人类仍有显著优势——只是差距正在收窄。
全自主研究：AI不需要人了吗？
2026年4月的案例：Claude驱动的智能体群被交给一个AI安全领域的开放问题，自主提出假设、设计实验、共享发现并迭代。
结果对比：两名人类研究员用一周恢复了该问题23%的性能差距；智能体群用约800小时累计算力、约1.8万美元成本，恢复了97%。
人类在整个过程中唯一实质性的角色：选定问题和设定评分规则。用大白话说＝ 人类出题、AI答卷，而且AI的卷面分远超人类自己。
接下来会发生什么？
Anthropic描绘了三种情景：停滞扩散（技术在某处停下，概率最低但给社会最多适应时间）、复合加速但人类保留方向决策权（目前最可能，百人公司将能完成十万人规模的工作）、完全递归自我改进（AI自主构建后继版本，发展速度完全由算力决定）。
这反映出 Anthropic自身的判断：第二种情景已经在发生，第三种不再是科幻——而是需要认真对待的可能性。
在第二种情景下，知识型工作和政府服务将被深度重塑，但同样的能力也可能被用于大规模威权监控或个性化操控。这意味着→ 加速本身是中性的，方向取决于谁在掌舵、以及有没有足够的监督机制。
Content is for reference only, not financial advice.