鉅亨網編譯許家華
Anthropic周四(17日)公布一套新的AI研發自動化指標, 顯示截至2026年8月, 旗下Claude已「主導」公司內部26%的AI研究與開發(R&D)工作, 比2026年2月不到1%的比率大幅提高。Anthropic表示, 超過90%的AI研發工作至少已達到「AI協作」程度, 意味著AI已能在密切的人類指導下完成大量工作。
Anthropic目前仍是未上市公司, 因此沒有可對應的美股股票代碼。該公司表示, 新指標旨在讓外界更清楚掌握AI究竟以多快的速度參與下一代AI模型的開發, 並希望未來能定期公布相關數據, 讓外界追蹤AI自動化程度的變化。
Anthropic將AI參與程度分成6個層級, 從完全沒有AI參與, 到AI提供少量協助、AI協作、AI主導, 最後是完全自主。該公司採用Epoch AI提出的自動化程度架構, 其中「AI協作」代表AI能在密切的人類指導下完成大部分工作, 「AI主導」則代表AI可以根據高階指令, 在人類監督下自行完成一項工作的多數流程。
Anthropic強調, Claude目前尚未在任何經衡量的AI研發工作中達到完全自主的程度。換言之, 26%的「主導」工作仍有人類在旁監督, 並不代表Claude已經能夠在沒有人的情況下獨立設計、訓練及推出下一代模型。
不過, Claude參與AI研發的速度正在快速提升。Anthropic的數據顯示, 2026年2月時, Claude能達到「主導」程度的AI研發工作占比仍不到1%, 到8月已升至26%, 短短約6個月增加超過25個百分點。如果目前趨勢延續, Anthropic的圖表顯示, AI主導的工作占比甚至可能在2026年底接近80%, 但該公司強調這只是依照目前趨勢推估的情境, 並非正式預測。
Anthropic此次同時揭露公司內部AI代理人的使用規模。截至8月, 該公司最主要的內部平台上, 約有3萬個AI代理人同時從事研究與工程工作。這些代理人並非單純回答問題, 而是可以在較長時間內半自主執行任務, 並在部分情況下把工作進一步交給其他AI代理人處理。
為了監控這些代理人的行動, Anthropic建立線上及線下兩套監控機制。線上監控會在代理人執行動作前進行檢查, 所有相關代理人的行動都會經過這項監控, 通常只需數秒即可完成; 線下監控則會在行動完成後檢視代理人活動紀錄, 以尋找可能需要進一步調查的異常行為。
Anthropic表示, 8月期間共分析超過10億次AI研究與工程代理人的決策, 線上監控系統攔截約0.002%的決策, 約相當於每4.7萬次決策中攔截1次。線下監控每周約標記10萬份對話紀錄供進一步檢查, 經過多層自動分類及初步審查後, 約每周有50件最高優先級案例升級至人工審查。
為建立26%的AI主導比例, Anthropic並非單純計算Claude產生多少程式碼, 而是建立名為「Anthropic R&D Automation Index」的指標。公司在2026年7月每周從涉及模型研發的各部門隨機抽取20%的員工, 讓Claude研究代理人透過Slack及內部文件整理這些員工一周內從事的工作。
經過4周抽樣後, Anthropic取得約1.5萬項細分的模型研發任務, 再將這些任務整理成一套包含542個節點的工作分類樹, 其中378個為最底層的具體工作項目, 涵蓋模型訓練、產品開發、強化學習、評估系統及工程問題排除等工作。
接著, Claude代理人逐項研究這些工作的實際執行方式及AI參與程度, 再由另一個Claude模型擔任評估者, 按照六級自動化架構進行分類。Anthropic也讓負責相關工作的員工在不知道模型評估結果的情況下進行獨立評分, 以檢驗AI評估的可靠性。結果顯示, 模型與人工評估完全一致的比例為59%, 人與人之間完全一致的比例則為35%; 若放寬至評估結果相差不超過一個等級, 模型與人工的一致率達97%。
Anthropic表示, 這項研究最重要的意義之一, 在於觀察AI是否正在形成「自己協助打造下一代自己」的循環。當AI能協助研究、設計、測試及訓練新的AI模型時, 下一代模型的能力提升可能進一步增加AI參與研發工作的程度, 形成所謂「遞迴式自我改進」(recursive self-improvement)的可能路徑。
不過, Anthropic強調, 目前距離完全自主的遞迴式自我改進仍有明顯差距。Claude目前沒有任何經衡量的AI研發工作達到完全自主程度, 而且人類仍負責設定重要目標及方向。該公司認為, 現階段的情況更接近「人類提出目標, AI負責執行及測試」, 而不是AI自行決定下一代模型應該如何發展。
Anthropic另外公布, 其內部Claude使用程度也大幅提高。截至2026年5月, 超過80%合併至公司程式碼庫的程式碼由Claude撰寫, 相較於Claude Code在2025年2月以研究預覽版推出前的低個位數比例大幅增加。2026年第2季, Anthropic一般工程師每天合併的程式碼量約為2024年的8倍, 公司表示這主要反映AI協助工程師處理程式設計及較長時間自主工作的程度提高。
在一項更具體的實驗中, Anthropic讓Claude最佳化一套用於訓練小型AI模型的程式碼, 要求在維持正確性的情況下盡可能提高執行速度。2025年5月, Claude Opus 4平均可讓程式碼速度提高約3倍; 到2026年4月, Claude Mythos Preview在相同實驗中達到約52倍。不過Anthropic特別提醒, 這並不代表現實世界的AI訓練速度真的提高52倍, 因為實驗結果高度取決於原始程式碼還有多少改善空間。
Anthropic也測試Claude自行提出研究方向的能力。在2026年4月公布的一項AI安全研究中, AI代理人獲得一個開放式問題後, 自行提出假設、設計實驗、測試結果並與其他代理人分享發現。在該實驗中,兩名人類研究人員花約一周時間完成的工作, AI代理人則累計執行約800小時, 使用約1.8萬美元運算資源, 並恢復約97%的研究差距; 不過Anthropic也指出, 人類仍負責選擇研究問題及制定評分標準, 而且結果尚未能直接轉化到生產規模模型。
Anthropic此次公布數據的同時, 公司執行長Dario Amodei近期也呼籲AI業界放慢先進模型能力提升速度, 並提出讓獨立安全評估人員進入AI公司、建立業界安全標準及加強國際合作等構想。這使得Anthropic公布AI參與自身研發的數據, 更受到外界關注。
值得注意的是, Anthropic表示, 這套指標目前仍存在限制。首先, 評估AI自動化程度本身依賴AI模型判斷, 可能產生評估偏差; 其次, 目前使用的是固定於2026年7月建立的工作分類, 指標上升主要反映原本由人類執行的工作被AI自動化, 並不能單獨證明AI已經取代所有新增的人類工作。Anthropic表示, 未來將定期重新建立工作分類並更新指標。
此外, Anthropic估算, 2026年7月某一周用於AI驅動AI研發的運算資源中, 約12%投入AI安全工作, 但公司也提醒, 運算資源並非衡量安全投入的完美指標。整體而言, 這批新數據顯示AI已從單純協助人類開發模型, 快速進一步參與下一代AI的研究與工程工作, 但距離完全由AI自行決定目標、設計並打造下一代AI, 目前仍存在明顯的人類監督與決策環節。
下一篇
