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，相关工程师估算，若由人工完成，耗时将长达 4 年。

Anthropic 设计了一项小型代码优化测试。2025 年 5 月，Claude Opus 4 平均实现了约 3 倍的速度提升。到了 2026 年 4 月，Claude Mythos Preview 已达到约 52 倍。尽管这是在受控实验环境下的对比，但从 3 倍跃升至 52 倍，17 倍的增长幅度彰显了 AI 优化能力的质变。

2026 年 4 月，Anthropic 开展了一项更贴近真实科研流程的实验。两名真人研究员在一周内弥补了约 23% 的性能差距，而 Claude 智能体在累计约 800 小时、耗费约 1.8 万美元计算资源的情况下，弥补了 97%。关键在于，人类仍负责选题和设定评分标准，这意味着 AI 尚未完全独立定义科研方向，但在执行效率上已超越人类。

Anthropic 还部署了自动化的 Claude 代码审查工具。回溯分析显示，若应用于所有变更，可提前拦截约三分之一的与 claude.ai 过往生产事故相关的 Bug。

报告中提到了一个核心概念「递归自我改进」：即 AI 系统能够自主构建并训练模型。换言之，AI 开始自我训练、自我迭代。

当前的 AI 已具备运行代码、委派其他智能体处理数小时任务、编写大部分生产代码、参与研究并提出优于人类建议的能力。但要实现完整的递归自我改进，仍缺乏 AI 独立设定研究方向、端到端完成模型训练与评估的能力。

Anthropic 联合创始人 Jack Clark 在 2026 年 5 月接受 Axios 采访时提供了一个时间表。他预测，到 2028 年底前，AI 模型完全自主训练其后继者的概率将超过 60%。

目前，AI 的进步速度受限于人类研究员的数量、创造力及工作时长。而一旦实现递归自我改进，AI 的演进速度将主要取决于算力规模以及训练、推理效率的发现速度。人类研究员的规模增长受限于教育周期和人口基数，呈线性增长；而算力与 AI 自身的优化能力则可能呈现指数级增长。

Anthropic 在报告中描绘了三种可能的未来图景。第一种是趋势停滞与能力扩散。当前 AI 能力增长遭遇瓶颈，可能源于 S 曲线、架构极限或算力能源供应链限制等，但现有技术将广泛渗透至各行各业。这类似于互联网时代，技术本身不再飞速迭代，但应用的普及彻底改变了社会运作模式。

第二种是复合效率提升，人类仍掌舵。AI 实验室持续获得复合效率红利，AI 开发大幅自动化，但人类依然主导研究方向并评判结果质量。Anthropic 认为，这可能使百人团队完成昔日万人大组织的工作量，导致权力高度集中于少数掌握前沿 AI 的组织手中。

第三种是完整的递归自我改进。AI 系统实现端到端训练后继者，开始自主构建自身。AI 的进步速度将主要由算力和训练、推理效率的发现速度决定。人类角色将转向监督、验证与治理。若治理机制失效，人类可能丧失对技术走向的控制权。

一家估值高达 9650 亿美元、年收入 470 亿美元、刚完成 650 亿美元 H 轮融资且正筹备 IPO 的 AI 巨头，在势头最盛之时竟呼吁全球放缓或暂停发展？

Anthropic 表示，若技术进步速度超越社会结构及对齐研究的跟进速度，风险将累积至危险水平。放缓或暂停并非为了永久终结 AI 发展，而是为了争取时间。旨在让法律监管框架跟上技术现实，让对齐研究匹配能力提升，让社会机构建立应对 AI 冲击的缓冲机制。

Anthropic 同时指出了暂停措施的双面性。理想情况下，若放缓能让谨慎的行为者保持领先，并让社会与安全研究得以追赶，则是好事。糟糕的情况是，若放缓仅让不谨慎的行为者（如忽视安全的实验室或国家行为体）赶上，反而可能导致整体更不安全。因此，Anthropic 强调的是「协调、可验证」的机制，而非单方面行动。

Anthropic 指出，单一实验室的单边暂停虽立即可行，但作用有限，主要仅改变领先者身份，无法产生更广泛的全球审议机制。

今天的分享就到这里。

若觉得内容有用，欢迎点赞、分享并关注。

我们下篇文章再见。

参考资料：

https://www.anthropic.com/institute/recursive-self-improvement