Anthropic周四(17日)公布一套新的AI研发自动化指标, 显示截至2026年8月, 旗下Claude已「主导」公司内部26%的AI研究与开发(R&D)工作, 比2026年2月不到1%的比率大幅提高。Anthropic表示, 超过90%的AI研发工作至少已达到「AI协作」程度, 意味着AI已能在密切的人类指导下完成大量工作。

Anthropic目前仍是未上市公司, 因此没有可对应的美股股票代码。该公司表示, 新指标旨在让外界更清楚掌握AI究竟以多快的速度参与下一代AI模型的开发, 并希望未来能定期公布相关数据, 让外界追踪AI自动化程度的变化。

Anthropic将AI参与程度分成6个层级, 从完全没有AI参与, 到AI提供少量协助、AI协作、AI主导, 最后是完全自主。该公司采用Epoch AI提出的自动化程度架构, 其中「AI协作」代表AI能在密切的人类指导下完成大部分工作, 「AI主导」则代表AI可以根据高阶指令, 在人类监督下自行完成一项工作的多数流程。

Anthropic强调, Claude目前尚未在任何经衡量的AI研发工作中达到完全自主的程度。换言之, 26%的「主导」工作仍有人类在旁监督, 并不代表Claude已经能够在没有人的情况下独立设计、训练及推出下一代模型。

不过, Claude参与AI研发的速度正在快速提升。Anthropic的数据显示, 2026年2月时, Claude能达到「主导」程度的AI研发工作占比仍不到1%, 到8月已升至26%, 短短约6个月增加超过25个百分点。如果目前趋势延续, Anthropic的图表显示, AI主导的工作占比甚至可能在2026年底接近80%, 但该公司强调这只是依照目前趋势推估的情境, 并非正式预测。

Anthropic此次同时揭露公司内部AI代理人的使用规模。截至8月, 该公司最主要的内部平台上, 约有3万个AI代理人同时从事研究与工程工作。这些代理人并非单纯回答问题, 而是可以在较长时间内半自主执行任务, 并在部分情况下把工作进一步交给其他AI代理人处理。

为了监控这些代理人的行动, Anthropic建立线上及线下两套监控机制。线上监控会在代理人执行动作前进行检查, 所有相关代理人的行动都会经过这项监控, 通常只需数秒即可完成; 线下监控则会在行动完成后检视代理人活动纪录, 以寻找可能需要进一步调查的异常行为。

Anthropic表示, 8月期间共分析超过10亿次AI研究与工程代理人的决策, 线上监控系统拦截约0.002%的决策, 约相当于每4.7万次决策中拦截1次。线下监控每周约标记10万份对话纪录供进一步检查, 经过多层自动分类及初步审查后, 约每周有50件最高优先级案例升级至人工审查。

为建立26%的AI主导比例, Anthropic并非单纯计算Claude产生多少程式码, 而是建立名为「Anthropic R&D Automation Index」的指标。公司在2026年7月每周从涉及模型研发的各部门随机抽取20%的员工, 让Claude研究代理人透过Slack及内部文件整理这些员工一周内从事的工作。

经过4周抽样后, Anthropic取得约1.5万项细分的模型研发任务, 再将这些任务整理成一套包含542个节点的工作分类树, 其中378个为最底层的具体工作项目, 涵盖模型训练、产品开发、强化学习、评估系统及工程问题排除等工作。

接着, Claude代理人逐项研究这些工作的实际执行方式及AI参与程度, 再由另一个Claude模型担任评估者, 按照六级自动化架构进行分类。Anthropic也让负责相关工作的员工在不知道模型评估结果的情况下进行独立评分, 以检验AI评估的可靠性。结果显示, 模型与人工评估完全一致的比例为59%, 人与人之间完全一致的比例则为35%; 若放宽至评估结果相差不超过一个等级, 模型与人工的一致率达97%。

Anthropic表示, 这项研究最重要的意义之一, 在于观察AI是否正在形成「自己协助打造下一代自己」的循环。当AI能协助研究、设计、测试及训练新的AI模型时, 下一代模型的能力提升可能进一步增加AI参与研发工作的程度, 形成所谓「递回式自我改进」(recursive self-improvement)的可能路径。

不过, Anthropic强调, 目前距离完全自主的递回式自我改进仍有明显差距。Claude目前没有任何经衡量的AI研发工作达到完全自主程度, 而且人类仍负责设定重要目标及方向。该公司认为, 现阶段的情况更接近「人类提出目标, AI负责执行及测试」, 而不是AI自行决定下一代模型应该如何发展。

Anthropic另外公布, 其内部Claude使用程度也大幅提高。截至2026年5月, 超过80%合并至公司程式码库的程式码由Claude撰写, 相较于Claude Code在2025年2月以研究预览版推出前的低个位数比例大幅增加。2026年第2季, Anthropic一般工程师每天合并的程式码量约为2024年的8倍, 公司表示这主要反映AI协助工程师处理程式设计及较长时间自主工作的程度提高。

在一项更具体的实验中, Anthropic让Claude最佳化一套用于训练小型AI模型的程式码, 要求在维持正确性的情况下尽可能提高执行速度。2025年5月, Claude Opus 4平均可让程式码速度提高约3倍; 到2026年4月, Claude Mythos Preview在相同实验中达到约52倍。不过Anthropic特别提醒, 这并不代表现实世界的AI训练速度真的提高52倍, 因为实验结果高度取决于原始程式码还有多少改善空间。

Anthropic也测试Claude自行提出研究方向的能力。在2026年4月公布的一项AI安全研究中, AI代理人获得一个开放式问题后, 自行提出假设、设计实验、测试结果并与其他代理人分享发现。在该实验中,两名人类研究人员花约一周时间完成的工作, AI代理人则累计执行约800小时, 使用约1.8万美元运算资源, 并恢复约97%的研究差距; 不过Anthropic也指出, 人类仍负责选择研究问题及制定评分标准, 而且结果尚未能直接转化到生产规模模型。

Anthropic此次公布数据的同时, 公司执行长Dario Amodei近期也呼吁AI业界放慢先进模型能力提升速度, 并提出让独立安全评估人员进入AI公司、建立业界安全标准及加强国际合作等构想。这使得Anthropic公布AI参与自身研发的数据, 更受到外界关注。

值得注意的是, Anthropic表示, 这套指标目前仍存在限制。首先, 评估AI自动化程度本身依赖AI模型判断, 可能产生评估偏差; 其次, 目前使用的是固定于2026年7月建立的工作分类, 指标上升主要反映原本由人类执行的工作被AI自动化, 并不能单独证明AI已经取代所有新增的人类工作。Anthropic表示, 未来将定期重新建立工作分类并更新指标。

此外, Anthropic估算, 2026年7月某一周用于AI驱动AI研发的运算资源中, 约12%投入AI安全工作, 但公司也提醒, 运算资源并非衡量安全投入的完美指标。整体而言, 这批新数据显示AI已从单纯协助人类开发模型, 快速进一步参与下一代AI的研究与工程工作, 但距离完全由AI自行决定目标、设计并打造下一代AI, 目前仍存在明显的人类监督与决策环节。