Claude 正在自己训练自己 Anthropic称:超过八成生产合并代码由Claude编写

Claude 已经接手代码、排障和实验。Anthropic 用内部数据追问:AI 何时能自己决定研究方向,完成递归自我改进?

作者:Anthropic Institute09-28 ·
🎧 听播客版0:00 / --:--
0:00 / --:--

Anthropic 生产代码库里,新合并的代码行已有超过八成由 Claude 编写。它还曾在两小时内排查出让数万项训练作业崩溃的故障,并在给定研究问题后自己设计、运行实验。造下一代 AI 的工程和研究工作,正在交到 AI 手里。接下来的问题更大:下一代 Claude,能不能主要由 Claude 自己造出来?

Anthropic 在《When AI builds itself》中把这条路称为“递归自我改进”。文章从 AI 开发方式的五代演进讲起,拿公开评测和此前未披露的内部数据,说明 Claude 如何加快写代码、排故障、做实验;也追问它何时能接过选题、判断结果和设计后继模型的工作。由此,未来分成三种走向:能力增长放缓但广泛普及,人掌舵而 AI 持续加速研发,或者 AI 真正完成一代改进下一代的闭环。如果研发跑得太快,各家实验室能否以可核验的方式一起放缓,也是文章最后追问的问题。

AI 开发方式经历了哪几代

Anthropic 用自己的工作方式画出一条五阶段的路线。变化的重点是:人交给 AI 的任务,从一小段代码,变成一个可以自行拆解和执行的目标。

  1. 2021—2023:人手开发。 工程师在电脑上写代码、写文档,推动模型研发的每一步。
  2. 2023—2025:聊天机器人辅助。 人让模型生成代码片段,再复制进编辑器;模型不能接手整个任务。
  3. 2025—2026:编程 Agent。 Agent 开始自己读写和修改文件,有时能完成整份文件的改动。
  4. 现在:自主 Agent。 它能运行代码、测试结果,把数小时的工作分给其他 Agent;人更多给目标、审查产出。
  5. 未来:递归自我改进。 如果一代 AI 能设计、开发并训练后继模型,后继模型又继续改进下一代,研发才形成完整闭环。Anthropic 没有给出实现时间。

造模型有两类工作:工程要写代码、建训练系统、排查故障;研究要设计实验、解释结果、选择下一条路线。任务也有不同层次:照明确要求执行,拿到一个目标后自己找方法,或者自己决定什么问题值得做。Claude 已从执行步骤走到自行找方法;能否再接过方向判断,才关系到它能不能造出自己的后继者。

研发闭环 · 两种状态对照

AI 已接过哪一棒,闭环还缺哪一棒?

切换“目前证据”和“完整闭环所需”,再点每一步,可对照任务分工。后者描述成立条件,不代表已经实现。

目前证据 · 第 1 步

Anthropic 说人仍负责判断哪些问题值得做。129 个特意挑出人类走偏的节点,只给出 Claude 局部决策改善的早期信号。

关键证据:AI 怎样加快造 AI

外部评测:从几分钟任务走向十几小时

评测机构 METR 用“任务时间跨度”观察模型能独立完成多长的工作:在一组任务中,模型达到约 50% 成功率时,这些任务通常需要人做多久。Anthropic 引用的趋势从约每七个月翻倍,变成近期约每四个月翻倍。2024 年 3 月的 Opus 3 对应约四分钟的软件任务;一年后 Sonnet 3.7 约一个半小时;再一年后 Opus 4.6 约 12 小时。METR 对 Mythos Preview 测得“至少”16 小时,已接近当时测试工具的上限。按 Anthropic 的外推,如果趋势保持,年内可能碰到人类要做数天的任务,下一年则可能涉及数周。

其他测试也在迅速变难:SWE-bench 要模型根据真实仓库和 bug 报告修复软件,成绩约两年间从低个位数走到接近饱和;CORE-Bench 要模型用论文代码和数据复现已发表结果,成功率约十五个月间从 20% 走到接近饱和。它们说明 AI 能完成更长、更复杂的既定任务;要看它是否加快了 AI 研发本身,还得看实验室里的工作。

内部工程:代码写得更多,也能独立排故障

截至 2026 年 5 月,Anthropic 生产代码库中已合并的代码行,有超过 80% 可归因于 Claude;Claude Code 在 2025 年初进入研究预览前,这一比例还是低个位数。工程师人均每天合并的代码行数也在 2025 年开始上升:2026 年第一季度达到早期平均值的 5.8 倍,第二季度截至绘图时达到 8.0 倍。工程师的工作从亲手写下每一行,转向交代目标、审查和合并结果。

Anthropic 内部人均合并代码行数:2025 年开始上升,2026 年第二季度截至绘图时约为早期均值的八倍
Anthropic 内部数据:人均合并代码行数。第二季度柱子只包含绘图前已有的数据;八倍指代码行数。

这解释了代码产出为何暴涨,也说明人仍在研发链条中。代码行数并不等于净生产力;作为另一种观察,2026 年 3 月受访的 130 名研究团队员工,对自己使用 Mythos Preview 的产出提升给出中位数约四倍的估计。自动化还让原本排不上日程的活得以完成:2026 年 4 月,Claude 交付 800 多项修复,让一类 API 错误减少约一千倍;负责工程师估计,人手处理可能要四年。

代码量增加之外,更关键的是 Claude 能否接过没有明确步骤的问题。Anthropic 按难度追踪内部 Claude Code 会话:到 2026 年 5 月,最开放的一类任务,被 Claude 裁判判为无需人工纠正即可完成的比例达到约 76%,比半年之前高约 50 个百分点。员工中途纠正、改向或接管的频率也在下降。原文 9 月更新的图把开放任务末端值推到约 91%;这是同类内部会话指标的后续观察。

一个具体例子是训练集群故障。一次升级让数万项训练作业突然崩溃,工程师只给了问题描述和集群访问权。Claude 逐项检查运行中的作业和环境设置,定位到一个隐蔽的调试标志,复现故障并确认修复。它用了约两小时;Anthropic 估计工程师通常需要两三天。人给的是“让训练恢复”的目标,排查路径是 Claude 自己找出来的。

Anthropic 内部 Claude Code 会话成功率:开放式任务在 2026 年春季明显上升
截至 5 月的内部会话曲线;成功与否由 Claude 模型判断。
九月更新的内部会话图:开放式任务至九月初约为 91%
9 月更新图:开放任务截至 9 月初约 91%;统计排除了自动化会话。

代码能跑起来之后,还要让同事读懂、维护。许多 Anthropic 员工认为 Claude 写的代码如今已大致追平人写的水平,但团队并无一致看法。公司现在也让 Claude 审查待合并的代码。它回看历史事故后估计,如果这些变更当时都经自动审查,约三分之一后来导致 claude.ai 事故的 bug 可能提前被发现。

内部研究:给定问题后,Claude 能自己试出答案

排障说明 Claude 能在目标明确时自己找路径。研究更进一步:要不断提出方案、运行实验,再根据结果调整。Anthropic 每次发布模型都会做同一项实验:给 Claude 一段训练小模型的代码,要求在正确性检查通过的前提下尽量提速。Claude 改代码、运行、计时,再继续改。2025 年 5 月的 Opus 4 平均把起始代码提速约三倍;2026 年 4 月的 Mythos Preview 达到约 52 倍。熟练研究员在同一任务上用四至八小时,约能做到四倍。这个对照展示了 Claude 在目标和验收方式明确时反复试错的能力;52 倍不是现实大模型训练的提速幅度。

更开放的实验也开始交给 Agent。在“较弱模型能否监督较强模型”的研究中,两名研究者用约一周,把成绩从弱模型基线向理想上限推进了约 23%;Claude Agent 累计工作约 800 小时、花费约 1.8 万美元算力成本,把这一差距推进了约 97%。它们自行提出假设、分工、试验、交流和迭代。不过,研究题目与评分标准由人设定,结果也没顺利迁移到生产规模模型。这个例子最值得看的是:人定了要解决什么问题,AI 已能自己探索怎么解决。

真正难交出去的,是研究判断

前面两项实验都有一个共同前提:人先定下要解决的问题。更难交出去的,是发现哪个问题值得研究、判断一个好看的结果是否可靠,以及识别何时该放弃一条路线。Anthropic 把这种能力称为研究品味与判断力;目前它仍是人的主要优势。

Claude 在局部判断上已有进展。Anthropic 从内部研究会话中挑出 129 个人类一度走偏的节点,让模型只看走偏前的材料,提出下一步。能看到后续结果的 Claude 裁判认为,Opus 4.5 在其中 51% 的节点建议更好,Mythos Preview 为 64%。这组题专挑人走偏的时刻;作为对照,在另 127 个人本来选得不错的节点,模型建议只有约 20% 被判更好。研究不是选完题就自动推进:每次实验出现新结果,都要决定下一步先查什么、改什么。Claude 已开始在这样的局部岔路口帮人少走弯路;如果这种能力继续提升,研究品味也可能逐渐变成 AI 能学会的能力。

在人类研究者曾走偏的 129 个节点,Mythos Preview 有 64% 的下一步建议被模型裁判判为更好
Anthropic 定向挑选的研究节点;图中比较的是局部下一步建议。

一个关键反问是:如果选题才决定突破,AI 把其余工作做得再快又有什么用?Anthropic 的回答是,突破性想法罕见,日常进步更多来自扩大实验、发现问题、修复后再试。即使人一直决定方向,只要 AI 把这些重复迭代压缩,每位研究者也能同时推动更多工作。这是文章判断研发仍可能持续加速的理由。

加速又会制造新瓶颈。代码和实验越来越少占用人的执行时间,却仍要花算力,也要有人判断结果。代码生成太快,人审查不过来;实验方案太多,团队来不及挑选和推进。阿姆达尔定律在这里很直白:整体速度会卡在没有一起变快的环节。Anthropic 说,这两种拥堵已在内部出现。员工的体验也有另一面:有人说自己已约五个月没亲手写代码;原来请同事帮忙跑脚本会带来交流与互助,如今 Claude 很快做完;也有人在系统出错时意识到,自己已不太了解每天运行的东西。产出变多后,人的判断和理解反而更需要被保住。接下来的走向,也取决于这些瓶颈能否被解决,以及研究方向最终由谁决定。

接下来有三条路

第一条:能力增长放缓,现有 AI 广泛扩散。曲线可能因为现有训练方法难再产生更好的研究判断而转平,这需要新的技术思路;也可能是芯片、电力、电网和互连的供给跟不上。即使能力停在今天的水平,普及仍会改变工作。Anthropic 举 Project Glasswing 为例,称 Mythos Preview 在最初数周发现一万多个高危和严重漏洞,网络防御的瓶颈开始转向修补。它还设想:一个百人公司借助 Agent,可能承担过去千人公司的工作。Anthropic 认为这条路相对不太可能,但它会给社会更多适应时间。

第二条:人定方向,AI 持续加速研发。人负责选题和验证,Agent 执行越来越多的代码、实验与分析。Anthropic 认为当前证据更指向这条路,并设想百人组织将来可能完成过去万人乃至十万人组织的工作。公共服务和知识工作会受益,同样的能力也可能被用来做大规模监控或针对个人的操纵。代码审查、资源分配和组织决策,则会不断成为新的速度上限。

第三条:AI 自己造下一代 AI。如果 AI 连研究方向和后继系统设计也能接手,模型研发速度会更受算力和算法效率影响,人主要转向监督、验证。自动研究可能延伸到药物、机器人等领域。更强的模型也许能找到新的安全对齐办法,甚至在无法保证安全时自行停下;另一种可能是偏离在人类看不懂的代际更新中累积,最终失去控制。若人类劳动失去竞争力,经济怎样组织也难预测。即使研发在实验室里飞速循环,新药验证、电网建设、制度运行和人与人的信任,仍有各自的时间尺度。

这三条是条件不同的未来,不是依次发生的三个阶段。切换下面的条件,可以看见原文的分叉点:能力趋势是否继续,以及研究方向由谁决定。

原文的三种条件情景

换一个条件,未来会落在哪条路?

用两个条件查看原文的分叉逻辑。这里只整理 Anthropic 的假设,不计算发生概率。

趋势继续,人类仍选题 → 情景二:人机协作持续提效。

  1. 01能力转平,现有能力扩散能源、芯片、算力或研究判断成为硬约束;现有 AI 的普及仍改变工作。
  2. 02人定方向,AI 加速执行Anthropic 认为目前证据最指向此路;审查和资源分配成为新瓶颈。
  3. 03AI 自行设计后继系统需要 AI 也掌握研究判断与后继设计;文章说尚未实现。

趋势转平时,谁选题不改变此图的第一分支;现实结果还受能源、实体建设和制度速度约束。

三条路带来的准备时间并不一样。如果研发继续加速,社会如何为安全研究和制度调整争取时间,就从远期讨论变成眼前的问题。

为什么 Anthropic 提议讨论“可核验的暂停”

如果 AI 研发跑得比社会适应和安全研究更快,Anthropic 希望保留协调放缓或暂停前沿研发的选项。难处是让多个国家的前沿实验室在相同条件下行动:先要发现谁在暗中继续训练,还要核验各方确实遵守。训练任务比传统军备设施容易隐藏,悄悄继续的一方又可能抢得领先。过去的军控核验用了数十年建立设施和信任,AI 发展未必留出同样长的时间。

单家实验室可以立即停下,但如果其他开发者继续推进,它主要改变谁处于领先位置,还可能让不够谨慎的一方追上,未必给社会留下更多讨论时间。Anthropic 因此主张协调行动:如果其他前沿开发者也在可核验的安排下放缓或暂停,它预计自己也会这样做。文章提出的是要建立这种能力,并没有现成的国际核验机制。它希望政策制定者、研究者、企业和公众一起讨论:何时触发、如何检查、何时恢复。

来源
When AI builds itselfMarina Favaro、Jack Clark·查看主材料
本站说明
图表和内部生产数据来自 Anthropic;本文将其内部观测、实验条件与未来情景分别说明。