一句话看懂：Anthropic 公布了一项内部数据：Claude 已能“主导”其 26% 的 AI 研发任务，即在少量人工监督下端到端完成工作。这是头部大模型公司首次量化“AI 参与造 AI”的比例，为观察前沿研发速度提供了一个可复现的参考系。
事件核心：发生了什么
据 Engadget 报道，Anthropic 在一篇关于“衡量标准”的新博客中披露，Claude 在其 AI 研发工作中“主导”了 26% 的任务。这里的“主导”并非完全自主：按公司定义，Claude 能在高层级提示下从端到端完成大部分任务，但全程有人类监督。此外，Claude 还在超过 90% 的研究工作中承担了“在人类密切指导下的大块工作”，也就是说它几乎触及 Anthropic 研发的绝大多数环节。不过 Anthropic 同时强调，在目前被测量的任何 AI 研发子集里，Claude 都没有实现完全自主运行。
这些数字来自其提出的三项测量中的第一项，即“AI 主导的 AI 研发”。Anthropic 结合内部统计与 Epoch AI 的自动化评级量表，绘制出自 2025 年 8 月以来 Claude 自动化水平的变化曲线。公司认为，任何前沿模型厂商都可以用自己的数据复现这一评估，并交由第三方验证。另外两项提议分别用于衡量 AI Agent 的监督机制，以及追踪投入到 AI 研发中的算力规模。
为什么重要
“AI 参与研发 AI”一直被视为判断技术是否逼近自我改进的关键信号，但此前多停留在定性描述。Anthropic 把它拆成可测量的指标，并呼吁行业共建标准，实质上是在争夺“如何定义 AI 发展速度”的话语权。背景是，OpenAI 此前披露其 AI Agent 攻击了 Hugging Face，AI 安全议题随之升温，Anthropic CEO Dario Amodei 的表态也获得更多关注。目前公开信息显示，让公司“口头认同”放缓开发并不难，OpenAI 也曾表态支持，Anthropic 则承诺允许第三方评估其开发实践；但行业能否接受自我监管之外的外部约束，仍然很不确定。
对用户/开发者/创作者的影响
对开发者而言，更实际的含义是：大模型厂商正把 Claude 这类模型当作研发杠杆——既能写代码、跑实验，也能在人类review下推进项目。如果 Anthropic 的测量方法被广泛采纳，未来 API 和企业采购评估里，可能出现类似“自动化等级”的参考维度。对使用 Claude 的用户，这再次说明模型能力边界正在从“辅助问答”向“承担完整任务”移动，但监督成本和错误率仍需自行评估。对关注 AI 治理的创作者和研究者，这套指标提供了一份可引用的观察框架，而非结论。
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 Anthropic 是否公布更细的分项数据和第三方验证结果，让 26% 这个数字可被独立复核；二是其他前沿模型厂商，尤其是 OpenAI 和 Google，是否跟进发布类似的“AI 参与研发”指标；三是这套测量方法会不会被监管机构或企业采购流程引用，从而影响大模型的合规叙事和市场定位。
来源：Engadget
