一句话看懂：Anthropic 披露内部数据，截至今年 8 月，Claude 已主导公司 26% 的 AI 研发任务，而今年 2 月这个比例还不到 1%；同时超过 80% 合入代码仓库的代码由 Claude 生成。这意味着 AI 正在实质性参与下一代模型的自我迭代。
事件核心：发生了什么
根据 AIbase 报道，Anthropic 公开了其研发环节 AI 自动化程度的一组内部数据。今年 2 月，Claude 主导的研发任务占比不足 1%，到 8 月已升至 26%。Anthropic 用一套六级自动化框架衡量 AI 参与度，其中 AL4 定义为“AI 主导”——人类给出高层目标，AI 完成大部分流程，人负责监督和审核。目前超过 90% 的研发工作达到人机协作及以上水平，但尚无任务达到完全自主的 AL5 级别，AI 始终处于人类监督之下。
规模上，公司内部约有 3 万名由 Claude 驱动的 AI 智能体并行处理研究与工程任务，这些智能体之间可以互相分派任务、交叉纠错，仅 8 月一个月就产生了超过 10 亿次决策。代码层面更直观：合入仓库的代码中超过 80% 由 Claude 生成，工程师生产力较以往提升数倍。为控制风险，所有 AI 操作执行前都要经过在线安全检查，部分异常决策会被直接拦截，后台也会定期抽样对话记录，高风险案例提交人工复核。
为什么重要
这组数据的价值不在于“AI 写代码”本身，而在于比例的变化速度和用途。26% 的研发任务主导率，加上 80% 的代码占比，说明 Claude 已不只是辅助工具，而是承担了模型实验、代码编写、数据分析和结果验证等大量基础研发工作，并参与下一代 Claude 模型的迭代。业内把这称为“递归自我改进”——用 AI 造 AI。目前公开信息显示，这条路仍以人类监督为前提，但研发效率的杠杆已经被明显放大。对闭源大模型厂商来说，如果这种模式可持续，模型迭代周期与算力利用效率的竞争规则可能被改写。
对用户/开发者/创作者的影响
对开发者而言，Anthropic 的做法提供了一个观察样本：多智能体并行、任务互派、交叉纠错，配合执行前的安全检查和人工抽检，是当前较务实的落地方案。若这类能力逐步通过 API 和工具链对外开放，中小团队的研发流程也会被压缩。对普通用户和创作者，短期直接影响有限，但模型迭代速度若因内部自动化而加快，新版本发布节奏、能力上限和定价都可能随之变化，值得持续跟踪。
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 AL4 占比是否会继续上升，以及 Anthropic 何时、以何种条件允许接近 AL5 的自主任务。二是这种内部自动化能力有多少会产品化，通过 API 或工具开放给外部开发者。三是安全机制能否跟上——每月 10 亿次决策的拦截与抽检比例是否公开，将直接影响外界对其风险控制的判断。
来源：AIbase
