AI正在自己造AI——这不再是科幻,而是已成现实
全文约 2200 字，阅读约需 7 分钟6 月 4 日， Anthropic 发布了一份报告，标题叫《当 AI 开始建造自己》。报告里有两组数字，放在一起读，会产生一种很奇怪的眩晕感。第一组：今年 5 月， Claude 自主编写了 Anthropic 生产代码库中超过 80%的代码。工程师每个季度交付的代码量翻了 8 倍。 Claude 完成开放式工程任务的成功率达到了 76%，半年内涨了 50 个百分点。它现在能连续自主工作 16 小时以上——一年前这个数字是 1.5 小时。第二组：同一份报告里， A
从工具到协作者：AI正在深度参与自身研发
把一家AI企业比作医疗机构会更清晰：过去的AI研发类似于传统门诊模式。人提出问题，人设计方案，人执行实验，人分析结果，人再决定下一步。AI只是那个“帮忙查资料、写些文档、补充几段代码”的辅助角色。但Anthropic Institute近期发布的这篇文章，值得关注的核心在于：他们认为，这种分工正在发生变化。并非“AI已经完全能够自主构建自身”。而是：AI正在日益深入地参与AI研发链条本身。从编写代码，到执行实验，到发现缺陷，到为后续研究提供建议。也就是说，AI不再仅仅帮人完成任务，开始帮人缩短“提出问题—
AI逼近失控边缘，巨头为何急喊刹车
“AI行业好比只有油门却缺失刹车。”发出此言并非科幻作家，而是估值近万亿美元的顶级大模型Claude开发方Anthropic联合创始人杰克·克拉克。6月4日，这家被视作AI界“安全标杆”的企业，突然向全球顶尖实验室发出公开警示：AI正逼近危险临界点，恳请共同踩下刹车。局势远非表面那么简单。克拉克团队出示了确凿证据：过去一年，其模型在解决开放式编程任务时成功率激增50个百分点，代码达成率升至76%。工程师借助AI辅助交付代码的速度，较五年前暴增八倍。更惊人之处在于，名为“Mythos”的新模型甚至能独立做出
Anthropic的担忧：AI狂奔之下，谁来踩刹车？
最近，Anthropic再次让整个AI圈绷紧了神经。有媒体将其浓缩成一句话：Anthropic呼吁叫停AI研发。这句话足够抓眼球，也足够容易扩散。但仔细审视Anthropic和Dario Amodei近期的话，你会发现他们并非在说"所有人都立刻关掉AI"，也不是在演一出硅谷版的末日剧本。他们真正想表达的其实是另一件事：AI这台引擎越来越强劲，但人类社会的制动系统、仪表盘和问责链条，还没有同步装配完毕。这才是问题的要害。AI会脱轨吗？如果你把"脱轨"理解为电影里那种机器突然觉醒、反客为主统治人类，那我认为短
AI 自我迭代：代码占比超八成与监管警钟
有梦想的人不睡觉 0122 AI 自我迭代：代码占比超八成与监管警钟 2026 年 6 月 6 日有梦想的人不睡觉 01222026 年 6 月 6 日6 月 4 日，Anthropic 在其官方博客推出了《当 AI 构建自身》一文，由联合创始人 Jack Clark 与研究院负责人 Marina Favaro 共同执笔，首次向外界曝光了一组从未公开的内部运营数据。数据脉络异常清晰：截止到 2026 年 5 月，Anthropic 合并至主代码库的代码中，逾八成由 Claude 编写。而在 2025 年
AI自主构建技术的现状与未来展望
本文为Anthropic研究院发布的递归自我改进（RSI）专项研究报告，主要内容包括：AI已深度参与自身研发流程，递归自我改进的初步闭环正在形成，全自动AI制造的实现时间可能早于预期。文章同时列举了当前进展、三种未来发展路径、潜在风险及全球治理建议。一、核心概念：递归自我改进 RSI RSI定义：AI能够自主完成下一代模型的设计、编码、训练、调优和迭代优化，新版AI再反向优化后续版本，形成指数级加速的自我进化闭环，是通用人工智能（AGI）智能爆炸的关键前提；文章指出：目前尚未实现完全自主的RSI，但多个环
AI研发进入快车道！Anthropic呼吁暂缓进程，预判三条演进路径
AI正在逐步制造下一代AI，而且效率提升的速度正在加快。Anthropic发布了一篇深度分析，用一批此前从未披露的内部数据，验证了这一现象。Anthropic在这篇名为《When AI builds itself》的长文中，通过公开基准测试和内部数据，全面展示了AI加速自身研发的现状，并推演了三种可能的发展路径。递归自我改进尚未真正到来，但它逼近的速度比大多数人预期的要快得多。AI模型能够独立完成的单一任务时长，大约每四个月翻一番，相比之前每七个月翻一番的趋势明显提速。2024年3月，Claude Opu
AI自主进化的前沿洞察
Anthropic最新研究报告揭示了一个重要趋势：AI正在参与自身系统的构建。这份题为《When AI builds itself》的文献深入探讨了AI自我进化的可能性。文章指出，当前AI在研发流程中的参与度正快速提升，从代码生成到系统优化，AI正逐步接管传统上由人类完成的研发任务，这可能意味着我们正接近所谓的“递归自我改进”阶段。 报告中的几项数据尤其引人注目： 到2026年5月，Anthropic代码库中超过80%的代码由Claude生成。 2026年第二季度，工程师日均合并代码量是2024年的8倍。
AI正在接手AI的制造工作
在 Anthropic 的一处寻常办公桌前，有人留下一句不起眼的话：他已经整整五个月未曾亲笔敲下一行代码。这句话里没有科幻作品惯用的修辞。它更像一份出勤打卡——却可能成为整个技术文明演进历程中，一个将被反复引用的里程碑：人类的双手，正在从创作工序中退出。Anthropic 研究院随后公布的《When AI builds itself》，摒弃了预言家的口吻，改用账房的笔法：公开 benchmark，加上从未公开的内部数据。他们给出的核心判断冷静到近乎无情——递归自改进（recursive self-impr
AI 自主进化：递归自我改进的加速现实
一、Claude 的"业绩单"若你尚未关注 Anthropic 那篇引发热议的博文《当 AI 构建自身》，不妨先看看这份"成绩单"：这些数据背后的趋势线清晰指向一点：AI 优化 AI 的进程，正以超出预想的陡峭斜率狂奔。不仅如此，OpenAI 也在同一周发布了基调相近的文档，提及"我们已在现有系统中观测到 RSI（递归自我改进）的初步征兆"。不是说好是竞争对手吗？为何竟在同一周不约而同地讲述同一件事？要么是该信号强烈到两家巨头都不敢保持沉默，要么是各自都有话
Anthropic 警示 AI 失控风险，倡全球暂缓研发
作者丨顾亭亭6 月 5 日讯，AI 领域领军企业 Anthropic 近日发布一份报告，罕见地向全球同行发出呼吁，建议延缓乃至暂停更高级 AI 系统的研发，理由是最新模型已显露出脱离人类掌控的苗头。该文章名为《当 AI 构建自身》（When AI Builds Itself），由公司联合创始人 Jack Clark 与内部研究主管 Marina Favaro 共同署名。尤为少见的是，此次他们披露了一组从未公开的内部数据，以证明 AI 正在加速其自身的迭代开发。Anthropic 指出，其代码库中超过八成的
AI 自我进化加速：Anthropic 披露代码自写超八成，巨头呼吁全球暂缓
6 月 4 日，Anthropic Institute 发布了题为《当 AI 构建自己》的报告，公开了一组内部关键数据。截至 2026 年 5 月，Anthropic 代码库中合并的代码，逾 80% 由 Claude 生成。而在 2025 年 2 月 Claude Code 推出研究预览版之前，这一比例仅为个位数。此外，2026 年第二季度，普通工程师每日合并的代码行数达到了 2024 年的 8 倍。同年 4 月，Claude 修复了 800 多项 API 错误，将特定类型错误率降低了约 1000 倍，相
史上首个AI蠕虫问世，Anthropic呼吁暂停研发，程序员却离不开AI
1988年11月2日晚上8点30分，康奈尔大学研究生Robert Tappan Morris在MIT终端按下回车键。编写此程序旨在测算互联网规模——当时无人知晓这个新兴网络究竟连接了多少台机器。他为此耗费数月编写了99行C语言代码。按下回车数小时后，约6000台联网电脑——当时占互联网10%——全部瘫痪。大学网络停摆，政府实验室慌忙断网，管理员彻夜未眠。Morris蠕虫由此诞生，成为人类历史上首次“攻破互联网”的事件。随后，美国成立CERT/CC应急中心，全球首个网络安全机构。损失超1亿美元。Morris
AI 自主进化：递归改进的现实与未来
AI 开始自己造 AI 了——递归自我改进，到底是不是狼来了?6 月 4 日，Anthropic（就是做 Claude 的那家公司）发了一篇文章，标题叫《当 AI 构建自身》（When AI builds itself）。听起来像科幻片的台词，但通篇没有一句煽情，全是数据。它讲了一件正在发生、但很多人还没意识到严重性的事:AI 不只是在帮人写代码了，它正在一步步参与「制造下一代 AI」这件事本身。如果你最近被各种「AGI 要来了」「人类要失业了」的标题搞得有点麻木，那我建议你把这篇看完。因为这次说话的不是
面壁智能推出AI自研训练框架ForgeTrain：国产AI基础设施的新突破
2026年5月底，国内AI企业面壁智能推出了一款名为ForgeTrain的预训练框架。若仅是又一款训练工具，或许不会引发太多关注。但ForgeTrain的独特之处在于：它是一款完全由AI自主生成的生产级框架。AI辅助编程早已不稀奇。然而，让AI编写用于训练AI的预训练框架，且该框架在生产环境中的性能已超越英伟达的Megatron——这就截然不同了。ForgeTrain的工作原理如下：面壁智能团队在GitHub上运营着一个持续更新的Specification-as-Code代码库，其中使用YAML和Pyth