文章总结： Anthropic报告显示，截至2026年5月其代码库中80%以上代码由Claude生成，工程师季度代码产出较2021-2025年均值提升8倍。AI模型独立完成任务的能力从2024年需4分钟提升至2026年达12小时，研究判断力超越人类选择的概率达64%。报告提出AI开发自动化的三种情景，认为当前最可能走向人类设定方向、AI执行的复利增益模式，并呼吁通过国际协调机制应对技术加速带来的风险。 综合评分： 85 文章分类： AI安全

Anthropic重磅报告：80%的代码，已经不用人写了

原创

小艾 小艾

人工智能与大数据技术

2026年6月6日 20:05 福建

在小说阅读器读本章

去阅读

Anthropic Institute · 2026

当 AI 开始构建自身

递归自我改进的进展与深远影响——来自 Anthropic 内部数据的最新披露

AI

Anthropic Institute· Marina Favaro & Jack Clark

在 AI 发展史的大部分时间里，每一步进展都由人类主导。但如今，Anthropic 正在将越来越多的 AI 开发工作交给 AI 系统自身——这正在加速我们的研究进程。

沿着这条路走到尽头，给予足够的算力，趋势指向一个能够完全自主设计和开发其继任者的 AI 系统——这就是所谓的「递归自我改进」（Recursive Self-Improvement）。我们尚未到达那一步，但它可能比大多数机构所预料的更快到来。

8×

工程师季度代码产出提升 （对比2021-2025年均值）

80%+

Anthropic代码库中 由Claude撰写的代码占比

4×

研究人员使用Mythos Preview 的输出倍增估计

人均代码产出，两年翻了8倍

图为单人贡献代码量对照表(按季度统计);统计口径:每根柱为单季度活跃贡献者平均合并代码行数，数值为相对2025年之前全周期平均值的倍数;2026年Q2非完整季度统计，虚线为产品官宣时间。

1

AI 能力扩张的外部证据

AI 模型的改进速度正在加快。模型能够独立可靠完成任务的时长，大约每四个月翻倍一次，比此前每七个月翻倍的速度更快。

2024年3月

Claude Opus 3 能完成约需人类4分钟的软件任务

2025年3月

Claude Sonnet 3.7 能处理约需人类1.5小时的任务

2026年5月

Claude Opus 4.6 成功完成约需人类12小时的任务

预计2027年

AI 或将具备完成需要人类数周才能完成任务的能力

在研究基准测试上，同样的模式清晰可见。SWE-bench（真实软件工程测试）和 CORE-Bench（科研结果复现测试）等基准的饱和速度都在两年内完成，AI 系统在论文结果复现方面从2024年约20%的成功率，到不足15个月后接近满分。

Claude Mythos Preview 被 METR 评估机构测试后发现，其能持续工作至少16小时，且已处于当前测试框架所能衡量的上限边界。

2

来自 Anthropic 内部的数据

构建一个前沿模型需要两大类工作：工程（写代码、搭基础设施、监督模型训练）和研究（决定做什么实验、解读结果、探索新思路）。在这两个维度，数据所呈现的图景高度一致。

代码产出飞跃：截至2026年5月，Anthropic 代码库中超过80%的代码由 Claude 撰写。而在 Claude Code 于2025年2月推出之前，这一数字只有个位数。在2026年第二季度，工程师每天合并的代码量是2024年的8倍——因为大量代码由 Claude 编写，工程师则负责指导和审查。

「我大约一年前开始大量使用 Claude 来写代码。这是一段疯狂的冒险——我已经大约五个月没有自己写过任何代码了。」

——Anthropic 员工

代码质量稳步提升：Claude 自动代码审查工具的回溯分析显示，若在历史上对每次代码变更都使用自动审查，可以在到达生产环境前捕获大约三分之一的错误。值得注意的是，那些代码的原始作者是世界上最优秀的工程师之一。

实验执行能力突破：Anthropic 每次发布新模型，都会进行同一项内部测试——让 Claude 对训练小型 AI 模型的代码进行性能优化。2025年5月，Claude Opus 4 平均实现约3倍加速；到2026年4月，Claude Mythos Preview 达到约52倍加速。相比之下，一名熟练人类研究员需要4到8小时才能实现4倍加速。

「如今的格局大致是：人类提出想法，模型能以比以前快一个数量级的速度去实现、测试和评估这些想法。」

——Anthropic 研究团队内部观察

研究判断力初现曙光：在一项测试中，各版本 Claude 模型被要求在研究会话的关键岔路口判断「下一步最佳行动」，并与人类研究员的实际选择对比。2025年11月，最佳模型超越人类选择的概率为51%；到2026年4月，已升至64%。

2026年4月，Anthropic 还发布了首个展示 Claude 端对端完成开放式研究项目的案例：AI Agent 被给予一个 AI 安全领域的开放性问题，自主提出假设、测试、共享发现并迭代，最终恢复了97%的性能差距，而两名人类研究员用了约一周时间只恢复了23%。

3

工作的未来与三种情景

证据表明，AI 开发流程中人类角色正在逐步收窄。当 Claude 与人类在代码质量上达到对等，人类将停止直接写代码，转而专注于审查。当 Claude 能独立运行实验，核心问题就变成了「哪些实验值得做」。

目前，人类的相对优势集中于研究品味与判断力：判断哪些问题重要、哪些结果可信、何时一条路走不通。

研究员犯错，Claude能给出更优方案吗?

情景一

趋势放缓，但今日 AI 能力广泛扩散

指数曲线或许是S形曲线，当前可能正接近拐点。研究品味等能力也许无法通过扩大算力获得，需要全新架构突破。即便如此，当前的能力也将深刻改变经济与社会。Anthropic 认为这是三种情景中最不可能发生的一个。

情景二

AI 实验室持续获得复利效率增益

AI 开发大幅自动化，但人类持续负责设定研究方向与判断结果。百人公司将能完成万人规模的工作。这将革新知识工作，但也可能被用于威权监控或大规模定制化操纵。Anthropic 认为当前证据表明，我们正在走向这一情景。

情景三

AI 系统实现完全的递归自我改进

AI 开发进程完全由算力决定，人类作用急剧缩减。这一世界的形态难以预测——它既可能迅速带来医疗、科学领域的巨大突破，也可能因对齐问题未解决而导致人类对 AI 失去控制。

4

我们应当如何应对

Anthropic 认为，如果能有效减缓这项技术的开发速度，以争取更多时间应对其深远影响，这很可能是一件好事。但如果减速只是让最不谨慎的行为者追上来，可能反而让所有人更不安全。

要实现有意义的减速或暂停，需要多家处于或接近技术前沿的大型实验室在多个国家达成协议，并能相互核查是否真正停止。Anthropic 指出，训练运行远比导弹发射井更难被发现，退出协议的激励极大。

Anthropic 表示，若其他前沿开发者以可核查的方式同步行动，他们预期会减速或暂停。Anthropic Institute 将开展研究，帮助构建让可信减速或暂停成为可能的系统——包括技术核查机制与国际协调框架。

在未来数月，Anthropic 将组织政策制定者、研究人员、公民社会与其他 AI 公司共同探讨这些问题，并公开发布讨论成果。

很多人看到这里，第一反应可能都是：那以后人还负责什么？

对我们普通人来说，与其焦虑 AI 会不会取代自己，不如想清楚自己能提供什么是 AI 暂时提供不了的。Anthropic给出的答案是，方向选择、目标设定和关键判断。

「调查的窗口就在眼前，AI 公司以外的人也应当参与这场审慎的商议。

——Anthropic Institute

本文翻译自 Anthropic Institute 报告《When AI builds itself》 原文：anthropic.com/institute/recursive-self-improvement 作者：Marina Favaro & Jack Clark · 2026年6月

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：人工智能与大数据技术 小艾 小艾《Anthropic重磅报告：80%的代码，已经不用人写了》