AI热榜 AI 开始越来越深地参与下一代 AI 的研发，而且速度可能比外界想象得更快。
当地时间 9 月 17 日，Anthropic 发布了一组罕见的内部数据，试图量化 AI 究竟已经在多大程度上参与自己的研发。
结果显示，截至 2026 年 8 月，Claude 已经能够“主导”Anthropic 约 26% 的 AI 研发工作；超过 90% 的 AI 研发工作至少已经达到“AI 协作”水平。
而在 Anthropic 使用最广泛的内部 Agent 平台上，大约有 3 万个 Agent 正在同时进行研究和工程任务。
更值得注意的是变化速度。
Anthropic 公布的图表显示，今年 2 月，Claude 能够达到“主导”水平的模型研发任务占比还不到 1%，半年后已经上升到 26%。
Anthropic 将这套衡量体系直接与 RSI 联系了起来，也就是一个 AI 系统最终能够自主构建自己的继任者。
这里的“主导”需要特别解释下。
Anthropic 构建了一套内部的“R&D Automation Index（研发自动化指数）”。
其采用了 Epoch AI 提出的六级自动化标准：从 AL0 到 AL5 衡量 AI 对一项工作的介入程度。
其中，AL3 被称为“协作”：AI 可以在人类密切指导下承担大块工作；AL4 则是“主导”：工程师只需要给出一个高层目标，AI 就能够完成一项任务的大部分端到端工作，人类主要负责监督和最终决策；最高的 AL5 才意味着没有人类介入的完全自主运行。
所以，“26%”并不是“Anthropic 26%的研发已经完全无人化”，也不是“26%的研究员被 Claude 替代”。
更准确地说，它意味着按照 Anthropic 大约四分之一的 AI 研发已经进入“人类定目标和监督，Claude 完成大部分执行”的阶段。
为了得到这一数字，Anthropic 首先抽取了参与模型研发循环的各部门员工。
2026 年 7 月的每一周，公司随机抽取这些部门 20% 的员工，由 Claude Research Agent 阅读其 Slack 和内部文档，最终整理出约 1.5 万项细粒度模型研发任务。
随后，Claude 又将这些工作整理成包含 542 个节点的任务树，其中有 378 个最终叶节点，涵盖预训练、强化学习、评测平台故障诊断、RL 沙箱网络策略和推理服务事故复盘等工作。
Anthropic 再根据不同任务消耗的人力时间进行加权。
这套方法本身也存在局限。
例如，用于评估 Claude 自动化程度的“裁判”同样是 Claude。
Anthropic 还让负责相应工作领域的内部员工进行了交叉验证：模型与人的评级完全一致率为 59%，而不同人类评估者之间的完全一致率只有 35%；模型和人类评级在相差不超过一个等级时，一致率达到 97%。
但 Anthropic 仍承认，“AI 协作”和“AI 主导”之间存在一定主观判断空间。
为了管理这 3 万个正在同时工作的“AI 员工”，Anthropic 给内部 Agent 引入了两项设计。
首先是独立身份，每一个 Agent 都拥有自己的身份，所有数据和行为记录都与这一身份绑定。
即便底层模型升级，身份仍然可以继续存在；其次是开放通信，Agent 之间通过共享消息系统交流，而不是私下传递信息。
每条消息都会绑定发送者身份，并链接到原始资料，其他 Agent 可以查看、纠错和协作。
Anthropic 同时将这些消息与 Agent 的完整运行轨迹交叉关联，以便监控系统能够追踪跨 Agent 的协同行为。
之所以测试这个数据，是因为随着前沿 AI 实验室越来越多地使用 AI 构建未来的 AI 模型，Anthropic 希望通过这些指标判断，世界距离 RSI 究竟还有多远。
🔗 原始来源
如果你要核对细节，可以再看原文： InfoQ AI原文链接