一句话看懂：Anthropic 公开了一套衡量“前沿实验室内部 AI 研发自动化程度”的指标框架，并首次披露内部快照：截至 2026 年 8 月，Claude 尚未在任何被测量的研发环节实现完全自主，但在约 26% 的工作中已能“主导”任务。这为外界观察 AI 是否正在加速自我迭代提供了可核查的抓手。
事件核心：发生了什么
Anthropic 在其研究机构 The Institute 发布长文，提出三类可量化指标，用来观察前沿实验室内部 AI 研发节奏：一是 AI 在多大程度上参与构建下一代模型；二是人类对 AI 智能体行为的监督与干预能力；三是支撑更强模型训练所需的算力资源。
其中最具代表性的是“Anthropic 研发自动化指数”。它把公司内部各类 AI 研发工作逐一登记，再按 Epoch AI 的自动化等级（AL0 到 AL5）打分并汇总。官方披露的快照显示：AL3（AI 在人类密切指导下承担大块工作）及以上占比超过 90%，AL4（AI 从高层提示出发端到端完成大部分任务、人类仅做监督）占 26%，但没有任何被测研发工作达到 AL5 的完全自主。Anthropic 同时表示，计划引入多家独立第三方评估者，允许其接触与内部风险评估团队相当的流程、系统和数据。
为什么重要
当前关于“AI 是否会递归自我改进”的讨论多停留在概念层面，缺乏可横向比较的公开数据。Anthropic 这套指标尝试把焦点从“模型能做什么”转向“模型是怎么被造出来的”，前者对应能力评测，后者对应生产流程，两者结合才更容易把算力、训练投入与最终能力表现关联起来。
更现实的意义在于治理。Anthropic 在政策提案 AAIF 中主张实验室应承担透明度义务，这套测量方法相当于提前给出一种可被监管要求、第三方核验的模板。不过它自己也承认两个障碍：缺少跨实验室的统一方法，以及用自家模型评估自家系统可能带来“裁判与被裁判者同源”的偏差。
对用户/开发者/创作者的影响
短期看，这不改变任何 API 或产品能力，普通用户和内容创作者几乎感知不到变化。对开发者和企业采购方而言，它提供了一个观察信号：如果未来头部实验室的研发自动化比例持续上升，模型迭代周期可能进一步压缩，闭源与开源模型之间的能力差距、以及推理成本曲线都可能受到影响。做 AI 应用和智能体开发的团队，也可以把“人类监督成本”作为评估上游模型供应商的隐性指标之一。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是第三方评估是否真正落地，以及能否访问到内部系统级数据，而非仅公开摘要；二是这套自动化指数能否被其他前沿实验室采用，形成可比的跨机构口径；三是它是否会成为监管触发条件，例如当模型研发自动化达到某一等级时，强制要求延长测试窗口或附加审查。目前公开信息显示，这些仍处于框架和倡议阶段。
