Anthropic 公开内部 AI 研发自动化指标：Claude「主导」了 26% 的研发工作，九成以上至少参与协作

三项指标，一个内部快照

Anthropic 这次公开的不是能力评测，而是「模型是怎么被造出来的」这一侧的度量：AI 主导研发的程度、对智能体在公司系统上动作的监督与干预能力、以及支撑更强大模型训练的算力资源。三项都给出了方法说明、当期结果，以及「要把它变成别人能定期核验的形式还需要做什么」。

AL 量表怎么读

研发自动化用 Epoch AI 开发的 Automation Level 衡量，从 AL0（AI 完全不参与）到 AL5（AI 完全自主、人不在环中）。AL3 是「协作」：AI 在密切的人类指导下能完成大块工作；AL4 是「主导」：一个高层提示就能端到端完成大部分任务，人退到监督位。截至 2026 年 8 月，Anthropic 被测的 AI 研发工作中没有任何一项达到 AL5，Claude「主导」的占 26%，「协作及以上」超过 90%。

Anthropic 自己指出的两个软肋

文中承认跨机构比较有两个障碍：一是缺少共同方法学；二是用自家模型评估自家系统，判断模型可能犯与被检查模型同类的错误。它给出的对策是让第三方验证，或用其他开发者的模型交叉验证，并设置护栏限制竞争敏感数据的交换——同时说明如果真出现协调一致的「放缓」，这些数字预期会发生变化。这篇文章与 CEO Dario Amodei 此前「pace the frontier」的提议是同一条线：先把可测量的指标摆出来，再谈要不要踩刹车。

把「递归自我改进」变成量表之后，讨论就能从立场之争变成对数字的追问——26% 和 0% 之间差的那一档，才是关键。