Anthropic称Claude已主导26% AI研发任务

Anthropic披露的内部数据表明，截至2026年8月，Claude已“主导”约26%的AI研发任务，超过90%的任务至少达到AI协作水平；内部Agent平台约有3万个Agent同时执行研究和工程工作。2月时，达到主导级别的模型研发任务占比还不到1%，半年内增长超过25个百分点，相关指标被用于观察递归自我改进（RSI）的进展。

这里的“主导”并不等于无人化或替代四分之一研究人员。Anthropic采用Epoch AI提出的AL0至AL5标准：AL3是在人类密切指导下完成大块工作，AL4则是人类设定高层目标并监督决策，AI端到端完成大部分执行，只有AL5才代表完全自主运行。

为计算该比例，Anthropic从模型研发相关部门每周随机抽取20%的员工，让Claude Research Agent读取Slack和内部文档，整理出约1.5万项任务，再构建包含542个节点、378个叶节点的任务树，覆盖预训练、强化学习、评测故障诊断、沙箱网络策略和事故复盘等环节，并按人力投入加权。评估由Claude完成，人与模型完全一致率为59%，人类评估者彼此一致率为35%，相差不超过一个等级的比例达97%，但公司承认评级仍有主观性。

为管理3万个并发Agent，Anthropic为每个Agent设置独立身份，模型升级后身份仍可延续；Agent通过带身份和原始资料链接的共享消息系统通信，系统还会把消息与完整运行轨迹关联，以追踪跨Agent协作。

Anthropic认为，AI研发正从人工编码、聊天机器人辅助和Coding Agent，推进到能运行代码并继续委派任务的自主Agent。Claude归因代码已占正式代码库合并代码的80%以上，工程师日均合并代码行数约为2024年的8倍，但代码量不能代表质量。在固定目标的训练优化实验中，Opus 4的加速约为3倍，2026年4月的Mythos Preview达到约52倍；目前人类仍主要负责研究品味、方向判断和结果可信度评估。OpenAI、Google DeepMind及Recursive也在探索RSI，但路线各异。

OpenAI重点打造自动化AI研究员，2026年9月称已实现“AI研究实习生”目标，并计划在2028年3月前推进到研究员级别。8月中旬，按每天8小时折算，人类工作一天时Agent约并行运行24.8小时；但研究优先级和是否继续、暂停或部署仍由人决定。其跨研究、工程、产品和基础设施的RSI团队还在评估研究判断、假设验证和长周期实验能力，并强调对齐与监控尚未足够，必要时会放慢或停止开发。

Google则更关注改进“寻找答案的方法”。其9月2日披露，Gemini 3.8研发使用长时间运行的Agent循环，对底层模型进行递归评估和改进，但这不代表模型已能自主训练下一代Gemini，具体参与训练、数据、评测或后训练的环节尚未公开。