淌若你以为AI还只是帮你改改邮件、写写周报的小助手，那可能有点低估它了。Anthropic最近把我方家底翻了一遍，发现一个有点轰动的事实： AI正在成为我方的“造物主”。

肤浅说即是，从前AI奈何进化，每一步都得东谈主盯着、东谈主来源。但当今，Anthropic越来越多地把AI设备的责任，径直交给AI我方干。驱逐是：工程师每季度合并的代码量，是往常几年的 8倍 ；杰出80%的新代码是Claude写的；有些耗时几天的活儿，它两小时就干已矣。更强横的是，AI不光颖异活，还能作念判断。比如给一个绽放的规划问题，它我方能想象实验、跑驱逐、找谜底。在一个AI安全测试里，两个东谈主类规划员花了一周不断了23%的问题，Claude用800小时和一万八千好意思元的算力，不断了 97% 。按照这个速率，AI能沉静完成的任务时长，大要每四个月翻一倍。客岁3月它颖异4分钟的活儿，本年曾经颖异12小时的了。按照这个趋势， 2027年附近，AI可能就颖异东谈主类需要好几周才能完成的事 。诚然，Anthropic也说了，这还不是“AI绝对我方造我方”的那一天——但阿谁叫“递归式自我完善”的东西，可能比大普遍东谈主想的来得快。好的一面是，科学、医疗、坐褥力可能会被推着跑起来。不好的一面是，淌若AI真的能我方造我方，东谈主类奈何保证还能“管得住”它，就成了一个天大的问题。这篇著述有点长，但值得看完！

以下为编译。

在 AI 发展史上的大普遍时分里，东谈主类主导了它设备周期中的每一个关节。但在 Anthropic，咱们正把越来越多的 AI 设备责任录用给 AI 系统我方完成，而这正在权贵加速咱们的责任速率。

淌若把这一趋势链接推远，并赐与鼓胀多的算力，它最终会指向一种 AI 系统：它能够完全自主地想象并设备我方的后继版块。这被称为 递归式自我创新 （recursive self-improvement）。咱们还莫得走到那一步，而且递归式自我创新也并非势必发生。但它到来的时分，可能会比大普遍机构准备得更早。

借助公开基准测试，以及此前从未对外袒露的 Anthropic 里面数据，Anthropic Institute 正在展示一个事实：AI 曾经初始加速 AI 系统本人的设备。举一个例子：今天，Anthropic 工程师平均每个季度录用的代码量，曾经是 2021—2025 年时间的 8 倍。

本文盘问的技艺趋势标明，异日几年 AI 系统的智力还将大幅提高。这些趋势意旨紧要。能够“构建我方”的 AI，将会是技艺史上的一个紧要节点——它可能像 《Machines of Loving Grace》 所形色的那样，在科学、医疗等领域为寰宇带来巨大的善意与跨越。但完全意旨上的递归式自我创新，也可能增多东谈主类失去对 AI 系统适度的风险。淌若系统真的具备完全构建其后继版块的智力，那么咱们怎么保险其安全、怎么监控它、怎么塑造它的行为，都会变得遑急得多。

1 来自外部寰宇的字据

AI 模子提高的速率正在加速。它们能够可靠沉静完成的任务时长，曾经从更早期大要每七个月翻一倍的趋势，加速为如今大要每四个月翻一倍。2024 年 3 月，Claude Opus 3 还能完成大要相配于东谈主类 4 分钟责任量的软件任务。一年之后，Claude Sonnet 3.7 曾经能处理相配于东谈主类约 1 个半小时的任务。再过一年，Claude Opus 4.6 曾经能完成 12 小时级别的任务。[^1] 淌若这一趋势延续下去，那么本年之内，闇练东谈主员需要花上数天才能完成的任务，就可能进入 AI 的智力范围；到 2027 年，AI 系统无意将能胜任那些东谈主类需要数周才能完成的任务。

同样的模式也出当今编码与规划基准测试上。基准测试预计的是模子在某一特定领域中的发扬，而当模子收货接近 100% 时，咱们就说该基准被“饱和”了。[^2] SWE-bench 是现实寰宇软件工程的程序测试之一：它会给模子一个真实的开源代码库和一份真实 bug 论述，要求模子写出能教学问题、并通过技俩自身测试的代码变更。只是两年时分，模子就在这个基准上从个位数低分一齐走到接近饱和。

CORE-Bench 测试的是模子能否复现已有规划驱逐，这亦然其异日开展原创规划的前提。测试方式是向 AI 模子提供一篇已发表论文背后的代码与数据，并要求它从头运行全部经由，阐明我方能够复现实验论断。AI 系统在 2024 年时，复现生效力大要唯独 20%；而只是 15 个月之后，这一基准也已趋于饱和。稳当永劫任务智力评测的 METR 还发现，Claude Mythos Preview 曾经能够责任“至少”16 小时，而且曾经“波及 [METR] 在不引入新任务前提下可测量智力的上限”。

公开基准不错告诉咱们好多对于系统智力本人的信息，但它们无法径直揭示 AI 系统究竟在多大程度上加速了 AI 自身的设备。要回应这个问题，咱们需要来自 Anthropic 这类 AI 公司里面的一手字据。

2 Anthropic 里面的字据

构建一个前沿模子，大致可分为两类责任。其一是 工程 ：编写代码、搭建基础设施、监督模子素质。其二是 规划 ：决定要作念哪些实验、解释实验复返的驱逐，并判断接下来该尝试哪些想法。

岂论在工程照旧规划上，呈现出的图景都相配一致。在工程侧，Claude 曾经能够收受一个界说并不充分的问题，然后自行摸索不断旅途；东谈主类提供的是观念，但不再需要提供方法。在规划侧，Claude 曾经不错在履行一个界说澄澈的实验时，达到致使杰出闇练东谈主类规划者的水平。不外，在工程和规划中，Claude 在“弃取观念”时所需的判断力上，依然存在显豁智力差距。这恰是今天的 AI 与异日那种不错自主想象我方后继者的系统之间的永别。

在 Anthropic，职工宽敞会跟着解说增长而接到越来越绽放、也越来越遑急的任务。初期，他们履行别东谈主曾经界说好的任务，比如：“导出按钮坏了，请修一下。” 跟着解说增多，他们会拿到一个观念，然后我方想象杀青旅途，比如：“阅览一下为什么汇集在高负载下会变慢。” 而到了最资深的层级，他们决定的曾经是“什么问题值得作念”，例如：“团队下个季度应该作念什么？” 咱们不错借助 Anthropic 里面数据，望望 Claude 在应答这些不同类型任务方面曾经走到了哪一步。

Claude 正在编写 Anthropic 相配大比例的代码。 截止 2026 年 5 月，Anthropic 代码库中合并进主分支的代码里，杰出 80% 出自 Claude。[^3] 在 2025 年 2 月 Claude Code 规划预览版发布之前，这个数字还只是个位数低位。这种变化也体当今了工程师的东谈主均产出上。Anthropic 创立最初四年（2021—2024），每位工程师每天合并的代码行数基本保持安稳；到了 2025 年，当 Claude 初始不再只是“建议代码”，而是径直“运行代码”时，这条弧线初始进取抬升；到了 2026 年，模子能够在更永劫分跨度上自主责任后，斜率再次显豁变陡。底下这张图展示了这两个拐点。到 2026 年第二季度，典型工程师每天合并的代码量，曾经是 2024 年时的 8 倍。[^4] 原因很肤浅：好多代码曾经由 Claude 写出，而工程师的变装转向了疏导与审阅，而不是亲手逐行敲写。

诚然，需要细心的事：代码行数并不是齐全谋略，因为它预计的是数目而不是质地。是以，2026 年第二季度“每位工程师每天 8 倍代码行数”，险些笃信高估了真实坐褥率提高的幅度。但岂论怎么，它讲解了一件事：速率正在加速。在 Anthropic，咱们并不会按照“你写了若干行代码”来奖励职工；团队成员之是以产出更多代码，只是因为他们正在用 AI 系统写出更多代码。

代码行数的增长，也与职工对坐褥率权贵提高的主不雅感受相吻合。2026 年 3 月，在 Anthropic 规划团队 130 名职工参与的一项阅览中，受访者中位数推测：在“岂论怎么本来也会作念的那些技俩”上，使用 Mythos Preview 后，他们的产出大要是“完全莫得 AI 可用”情况下的 4 倍。[^5] 咱们瞻望，3 月时真实的提高幅度可能比这个数字略低。[^6] 尽管如斯，咱们依然认为全体论断确实，也与咱们的其他不雅察一致：Anthropic 中相配一部分技艺职工，正在以莫得 AI 匡助时数倍的速率完成我方的中枢责任。

咱们还看到一些字据标明，Anthropic 职工正哄骗 Claude 去完成那些淌若莫得 AI，本来根蒂不会去作念的责任，比如搭建探索性器具、或者计帐那些历久被放手的问题。例如来说，2026 年 4 月，Claude 一次性录用了 800 多个教学，把某一类 API 格外减少到了正本的千分之一。稳当监督 Claude 的工程师推测，淌若让东谈主类来作念，这项责任需要整整 4 年；修别东谈主的 bug 本来即是一件徐徐、繁琐、极其破钞元气心灵的事，而东谈主类也很难同期在脑中保管如斯高大且目生的高下文。

“大要一年前，我初始极度激进地鼓舞‘Claudifying’。那是一段极度放浪的旅程，而到当今，不详曾经有 5 个月，我再也没亲手写过任何代码了。”——Anthropic职工

Claude 写出来的代码是“好的”，而且还在持续变好。 “好代码”包含两层含义：第一，它能正常责任；第二，它的写法要让另一位工程师能够贯穿、并链接在其上迭代。对第一条程序而言，字据曾经很澄澈。往常一年里，Anthropic 职工在职务进行过程中对 Claude 进行更正、重定向，或径直采取的频率一直在稳步下跌，哪怕是在最复杂、最绽放的问题上亦然如斯。所谓“绽放问题”，是指那些莫得明确规格讲解、工程师我方也不笃信正确谜底长什么样的问题。下图展示了 Claude 在不同难度任务上的生效力变化。Claude 曾经能写出确实可运行的代码。

怎么贯穿这张图： 会话是否生效，由一个 Claude 裁判来判断；淌若 Claude Code 代理显豁完成了用户任务，而且过程中不需要东谈主为更正，则该会话被视为生效。责任负载的变化可能导致生效力出现短期波动。

在最绽放的那类任务上，Claude 的生效力到 2026 年 5 月曾经达到 76%，在 6 个月内提高了 50 个百分点。举个这类任务的例子：一次通例升级导致更仆难尽的素质功课崩溃。一位工程师险些只给了 Claude 少量文本信息和集群探听权限，就把实步地故交给它处理。Claude 一边检查运行中的功课，2026美加墨世界杯中国官方网页版一边逐项测试环境成立，最终锁定了一个触发崩溃的保密调试标识位，生效安稳复现问题，并阐明了解法。大要两小时内，Claude 完成了宽敞需要两到三天才能作念完的责任。

第二条程序，是代码是否写得鼓胀澄澈，让另一位工程师能看懂并在其上链接设备。在这少量上，东谈主类与 AI 之间的差距依然存在，但正在飞速收缩。Anthropic 里濒临此并非完全一致，但许多东谈主认为：在 2025 年末，Claude 写的代码质地仍显豁逊于 Anthropic 工程师我方写的代码；而到今天，两者曾经大致持平。咱们瞻望，在一年之内，Claude 写出的代码会更好。

这也改变了 Anthropic 审查代码的方式。如今，提交到代码库中的变更会先由一个自动化的 Claude 审阅器读取，它会在代码合并之前检查 bug、安全间隙以过甚他缺欠。哄骗这一器具，咱们作念了一次回溯分析，发现：淌若往常对代码库中的每一次调动都进行自动化 Claude 审查，那么 claude.ai 过旧事故背后大要三分之一的 bug，本来都不错在进入坐褥环境之前就被禁锢下来。写下那些代码的工程师，本人曾经是寰宇上最擅长构建这类系统的东谈主之一。如今，Claude 曾经能收拢他们遗漏的格外。

“在 2025 年末，Claude 写的代码质地还比 Anthropic 东谈主类工程师写的差一些；今天，它大致曾经达到同等水平；而咱们瞻望，在一年内它会严格意旨上杰出东谈主类。” ——Anthropic职工

Claude 曾经很擅长围绕别东谈主设定的观念来跑实验。 每次 Anthropic 发布新模子时，咱们都会进行归拢个测试：给 Claude 一段用于素质微型 AI 模子的代码，要求它在仍通过相似正确性检查的前提下，把这段代码跑得尽可能快。观念和评估程序事前就被固定好了，是以 Claude 的任务即是通过改写代码、运行代码、计时，再重迭这一过程来寻找加速方法。这相配于一个收缩版的实验规划闭环。2025 年 5 月，Claude Opus 4 比拟肇端代码平均杀青了约 3 倍加速；到 2026 年 4 月，Claude Mythos Preview 曾经达到约 52 倍。四肢参照，一个闇练的东谈主类规划员宽敞需要 4 到 8 小时，才能作念到 4 倍。[^7] 在规划经由的这一环——也即是在界说澄澈的实验里作念才能优化——Claude 在不到一年的时分里，就从“极度有匡助”跨越到了“杰出东谈主类”。

“今天的全体形态大致是：东谈主类提议想法，而模子能以比往常快一个数目级的速率，把这些想法杀青、测试并评估出来。” ——Anthropic职工

Claude 正越来越擅长提议我方的实验。 2026 年 4 月，Anthropic 发布了第一个由 Claude 端到端完成绽放式规划技俩的演示。规划东谈主员给 Claude 驱动的代理们一个 AI 安全方进取的绽放问题——大致来说，是“较弱模子是否不错可靠监督较强模子？”——然后让它们我方去不断。这个过程包括提议假定、进行实验、与并行代理分享发现，并持续迭代。这个任务有澄澈的发扬“地板”和“天花板”：地板是弱监督模子单独责任时能达到的水平；天花板则是强模子在使用正确谜底素质后达到的水平。两位东谈主类规划者花了大要一周时分，复原了其中约 23% 的差距；而这些代理累计责任 800 小时、破钞约 1.8 万好意思元算力后，复原了 97%。诚然，这项责任也有一些礼貌：驱逐并莫得顺利转移到坐褥领域的模子上，而且问题的弃取和评分法则仍然由东谈主类设定。但在这些领域条目之内，代理们是我方想象了每一个实验。东谈主类确实演出的惟一要害变装，即是设定规划标的。

“Claude 在 1 到 2 天里，险些没奈何需要我维护，就把这一切作念已矣。我想，淌若一位[低级共事]在同样时分里拿着这样的驱逐总结找我，我会感到有点惊喜。异日曾经来了。” ——Anthropic职工

Claude 正越来越擅长把规划会话引向确实的规划发现。 咱们分析了 Anthropic 规划东谈主员在 2026 年 1 月到 3 月之间与 Claude 通盘责任的真实 Claude Code 会话，这些会话处理的都是绽放式阅览问题，比如“为什么一次素质运行老是崩掉”，或者“为什么某个模子在基准测试上得分这样低”。在每个案例里，咱们都找到了规划员半途“走弯路”的时刻：他们沿着一个格外方上前进，导致整个会话偏离正轨，之后才从头拉总结。接着，咱们只把“会话偏离之前”的责任内容展示给多个 Claude 模子，并问它们下一步会奈何作念。然后，再由另一个能够看到整个会话最终驱逐的 Claude，来判断究竟是 AI 照旧东谈主类提议了更好的下一步。[^8]

由于咱们稀奇挑选了这些“东谈主类弃取本来就有创新空间”的时刻（n=129），是以这并不是模子与东谈主类判断力的一次完全刚正对照。这些时刻确实提供的是一组现实而可贵的场景：正确的下一步并不显豁，而东谈主类其时的弃取，恰好不错四肢一个有用的标尺，来比较模子智力随时分的变化。按照这一谋略，咱们在 2025 年 11 月发扬最佳的模子（Opus 4.5），有 51% 的概率比东谈主类其时的弃取更优；到 2026 年 4 月（Mythos Preview），这一比例飞腾到 64%。规划责任的日常，骨子上即是由一连串“下一步该作念什么”的决策组成，因此，这不错四肢预计模子异日能否自主鼓舞阅览规划的一个关联谋略。咱们把这一驱逐视为一个早期信号：AI 系统正在越来越擅长作念出那些 AI 规划本人所依赖的判断。

怎么贯穿这张图： 图中的“实践天花板线”代表一种“期许谜底”——它由一个能看到整个会话全过程（包括自后怎么驱逐）的模子写出。

“截止目前，东谈主类的比较上风仍然在于：看见更大的图景，而且能够跳出目下任务的领域去念念考。” ——Anthropic职工

3

Anthropic 的责任异日可能会是什么样？

这些字据标明，博亚体育app官网入口在 AI 设备经由中的每一步，东谈主类所演出的变装都在收缩。一朝东谈主类与 AI 所写代码的质地达到同等水平，东谈主类就会绝对住手躬行写代码，而只保留审阅这一职责。但淌若东谈主类审代码的速率赶不上 Claude 生成代码的速率，那么代码审阅本人就会成为 AI 设备的新瓶颈。同样，一朝 Claude 曾经能沉静跑实验，问题就会转向：“这些实验里，哪些值得跑？” 说得更径直一些：如今，“履行”——也即是写代码、跑实验、产出驱逐——险些曾经不再破钞东谈主类时分，尽管它仍然破钞算力。

至少在目前，东谈主类的比较上风仍在于规划回味与判断力：包括哪些问题遑急、哪些驱逐确实，以及什么时候该认定一条旅途曾经走进死巷子。

“责任（以及活命）曾经建立在一种由东谈主与东谈主之间小匡助组成的‘礼物经济’上。‘你能帮我把这个剧本跑起来吗？’……每一次苦求都会形成少量点情面债，也会增多少量点彼此之间的感知。[Claude] 更快，而且不会制造任何情面债，但每一次这样的替代，也意味着一次东谈主类相助契机的流失。”“在一切都运转顺利的日子里，我会忍不住以为我作念什么都不遑急，一切都自动化了，而且比我更快、更好。但也有些日子，一切瞬息都坏掉了，我又根蒂不知谈为什么，于是我意志到，我方曾经完全不知谈这些天究竟在作念什么了。” ——Anthropic职工

4 淌若咱们错了呢？

对上头这些字据，一个很当然的反驳是：确实最遑急的责任，仍然掌持在东谈主类手里——也即是决定“该作念什么问题”。淌若莫得这种判断力，Claude 充其量只是一个智力很强的助手，而不是一个能够我方推动 AI 跨越的系统。

今天的素质方法和模子架构，究竟能否解锁这种智力，如实还很不解确。但 AI 的跨越很少来自那种“灵光一现”的顿悟时刻。比年 AI 历史中如实出现过一些这样的时刻，比如 Transformer 架构，或者搀杂民众（mixture-of-experts）模子；但确实改变范式的想法，通常几年才出现一次。在这中间，大部分跨越其实都很“朴素”：把某个东西链接放大，望望那里出问题，修掉，再试一次。而这恰恰恰是 Claude 当今最擅长的责任流。爱迪生说，天才是 1% 的灵感加上 99% 的汗水。而咱们看到的是，“汗水”这一部分正在越来越自动化。越来越显豁的少量是：推动前沿上前走的许多责任，本人即是可自动化的；大领域规划进展，在很大程度上取决于器具和资源——它们决定了你能多快跑实验、一次能跑若干实验，以及你能多快拿到驱逐。

即便咱们假定 Claude 永恒也得不到真巧合的规划回味，对现存字据作念一个保守解读，也仍然意味着一种“复利式加速”。淌若东谈主类把大部分时分都花在阿谁位数比例的“标的设定”责任上，而剩余部分都交给 Claude 来作念，那么每位工程师或规划者推行上都在同期独霸比往常多得多的责任量。咱们看到的字据标明，Anthropic 的职工不仅移动得更快，也遮蔽了更广的责任面。在推行层面，这意味着：自从有用的 AI 器具出现之后，AI 曾经让 Anthropic 的鼓舞速率比往常快得多。

而一种没那么保守的解读则是：尽管目前字据还很初步，但 Claude 在规划判断力上的提高，也许讲解这项智力本人也在跨越。“规划回味”也许只是另一种典型的 AI 智力：系统会先在一段时老实发扬得很差，然后瞬息初始变得擅长。肖似的模式，咱们曾经在其他更偏定性的智力上见过，比如 AI 系统初始能够解释一个见笑为什么可笑、展现“心智表面”，或者解开讲话谜题。

5 可能的异日

接下来会发生什么，取决于两件事：第一，这条趋势会不会链接；第二，淌若链接，咱们会弃取作念什么。咱们至少不错想象三种异日状况：

1. 趋势停滞，但今天的 AI 智力宽敞扩散

这篇著述里出现了许多指数型轨迹。但这些轨迹也可能最终只是 S 弧线。咱们可能正接近弧线的弯折点：领域陈述初始递减，增长线条先变直，再趋于安适。一个“及格规划员”和“伟大规划员”之间的永别，所依赖的那种判断力，也许并不可通过链接扩大素质输入（如算力和数据）来获取。淌若真的这样，那么要越过这一瓶颈，就需要一个新想法，比如一种能够取代刻下所有这个词前沿模子所依赖的 Transformer 的新架构阶梯。

另外，礼貌 AI 进展的要害拘谨，也可能不在模子本人，而在供应链：前沿智力的鼓舞与扩散，也许需要比刻下寰宇可提供的更多动力和算力。制芯速率、电网扩容、互连带宽，也许才是确实的拘谨，而不是智能本人。咱们也不可摒除某种外生冲击对 AI 生态变成瞬息减慢的可能，比如算力或电力供应顿然收缩——岂论哪一种，都会让跨越变慢，也让前沿实验室链接干预的老本飞腾。或者，也可能存在其他咱们尚未预意象的阻隔。

即使把模子智力冻结在今天的水平，咱们仍然瞻望寰宇会发生紧要变化。Project Glasswing 即是一个早期信号：在最初几周里，Mythos Preview 在全球最遑急的一些系统中发现了杰出一万个高危和严重级别的软件间隙，多到汇集精良的瓶颈曾经从“发现间隙”转向“来不足修补间隙”。而且，咱们仍处在今天这些模子向更宽敞经济体系扩散的早期阶段——异日，一个 100 东谈主的公司，越来越可能作念出往常 1000 东谈主公司才能完成的责任，因为每一位职工死后都将站着一个代理金字塔。

之是以把这个状况列出来，是为了完整性；但咱们并不认为它最有可能发生。到目前为止，咱们能测量到的所有这个词智力——包括那些看起来更“软”、更难量化的智力，比如代码质地和绽放任务生效力——都免除着同样的飞腾弧线。咱们还莫得看到这条弧线初始弯折。在咱们盘问的三种异日里，这一种会给政府和社会最多的恰其时分。比拟之下，咱们更挂念后头两种，因为它们会来得更快，留给准备的空间也小得多。

2. AI 实验室链接获取复利式效力提高

在这个状况里，AI 设备将杀青相配程度的自动化，但规划标的仍由东谈主类设定，驱逐也仍由东谈主类裁定。使用 AI 系统的组织会跟着时分推移变得越来越高效，因此咱们不错预期，每一个组织成员的坐褥力都会被成倍放大。一个 100 东谈主的公司，可能作念出 1 万东谈主致使 10 万东谈主组织才能完成的责任。这将绝对改造常识责任和政府服务，但它同样可能被用于无益目的：从针对整个东谈主群的威权监控，到为每个个体量身定制、且以任何东谈主工团队都无法匹敌的领域运行的影响力操控。届时，在 Anthropic 这样的公司里，东谈主类的变装也会改变。东谈主们将与 AI 系统相助，放大规划智力、生成新洞见，并共同建立那些用来考证 AI 输出是否确实的系统。

咱们在这里展示的字据标明，咱们很可能正在走向这个状况。但一个经由中某一关节的提速，通常只是把瓶颈推到了别处：全体速率终究受制于那些还莫得加速的部分。在计较机科学中，这叫 阿姆达尔定律 （Amdahl’s law），对组织同样成立。Anthropic 曾经际遇了阿姆达尔定律的一个典型发扬：跟着组织内代码流动速率越来越快，东谈主类代码审查曾经成为新的瓶颈。

而这种摩擦并不单存在于工程侧。Anthropic 职工与高智力模子相助后，新的想法、蓄意、器具和模拟实验出现了爆炸式增长，多到咱们根蒂莫得鼓胀智力去逐个鼓舞。一个组织能多快发现并教学这些新瓶颈，也许会成为一种会跟着时分持续进化的智力，并最终成为任何组织最遑急的智力。

3. AI 系统本人获取完全递归式自我创新智力，并初始构建它们的后继者

淌若技艺智力链接沿着刻下趋势前进，而 AI 系统又获取了那种属于“变革性东谈主类创造力”的智力，那么 AI 系统想象并优化自身的可能性即是现实存在的。

在这个寰宇里，AI 设备程度将完全由算力的可获取性决定——或者说，由 AI 系统我方发现素质或推理算法效力提高的速率来决定。东谈主类在设备中的变装将大幅收缩，可能把大部分元气心灵转向对一个持续膨大的、由 AI 系统运行的“捏造实验室”进行监督、考证与核查。咱们瞻望，一朝系统具备自动化 AI 规划与设备的智力，这些手段也会振荡到其他科学领域，从而初始改写更多学科的发展方式。

在这种异日里，对皆问题究竟会被怎么不断——或者根蒂不断不了——是咱们最莫得主办的部分。模子可能鼓胀对皆，同期也具备鼓胀好的规划回味，以至于能自行发现并杀青咱们尚未达到的新不断决议；它们致使也可能鼓胀“理智”，在发现条目不足时主动住手发展。另一种可能则是，今天模子中偶尔出现的失配问题，会跟着模子持续构建其后继者而持续积存，变得越来越宽敞、却越来越难以贯穿，直到咱们最终失去适度。也有可能，咱们根蒂来不足建立、整合并考证那些匡助咱们判断我方究竟正处在哪条轨谈上的器具。

咱们对这个寰宇会长什么样莫得精深直观，因为今天的经济仍由东谈主类和东谈主类制造的器具驱动。而从界说上说，一个由快速递归式自我创新驱动的寰宇，可能会被这种能持续自我增强的模子所主导：跟着它的智力全面超越东谈主类，并在整个经济中扩散，寰宇将发生根蒂变化。淌若东谈主类就业不再具有竞争力，咱们很难预测那时的经济会是什么表情。

即使模子设备真的杀青了完全自动化与递归化，咱们仍无法预测这对大普遍东谈主的日常活命究竟意味着什么。阿姆达尔定律在这里同样适用。递归式智能可能会在某些领域飞速杀青 《Machines of Loving Grace》 中提到的许多自制。咱们瞻望，具身智能（也即是机器东谈主）可能会很快跟上递归式智能，并沿着肖似旅途，以更低老本获取越来越高的陈述。更坚毅的智能，也许会匡助咱们更快地建造现实寰宇中的系统，开展更高效的救命药物临床考研，发展新的和谐机制。

但只是杀青递归式创新，并不虞味着工业坐褥方式、社会组织方式或市集运行方式会坐窝改变。更强的智能无法让咱们在几天内看见一种药物几十年后的历久反作用，无法让选举早于宪律例则的时分举行，也无法在一个周末之内把目生东谈主变成老一又友。对大普遍东谈主而言，这种异日的“体感速率”仍将由瓶颈决定——即便上游实验室曾经在以算力的速率驱驰。递归式智能持续越来越快地构建自身，而另一边的东谈主类寰宇仍受制于关系、治理和轨制的节拍；这两者碰撞出的异日，亦然咱们无法预测的部分。

6 咱们应该作念什么？

淌若有可能有用减慢这项技艺的发展，为社会争取更多时分去应答它所带来的巨大影响，咱们认为这不详率会是一件功德。但淌若“减慢”只是让那些最不严慎的参与者在技艺上赶上来，那反而可能使所有这个词东谈主更不安全。在枯竭全球和谐机制的情况下，企业和政府都将不得不在竞争压力和地缘政事压力下，忙活地作念出安全关联决策。

咱们认为，寰宇淌若领有“减慢”或“暂时暂停”前沿 AI 设备的选项，会是一件功德——这样，社会轨制建设和对皆规划才有契机跟上技艺前进的速率。Anthropic Institute 将与许多其他机构合作，开展规划并遴荐行为，匡助建立一种确实确实的减慢或暂停机制所必需的系统。这些系统应当使前沿 AI 设备者能够考证：全球其他参与者如实曾经经住手或减慢了脚步，同期也能确保坏行为者不会借由“和谐减慢”的形状悄悄加速起初。淌若这样的系统存在，咱们瞻望：只须其他位于前沿或接近前沿的设备者也在可考证前提下遴荐了同样行为，咱们会平静减慢致使暂时暂停。

一次稀奇旨的减慢或暂停，要求多个资源淳朴、处在前沿或接近前沿的实验室，分处多个国度，并在同样条目下欢喜停驻；同期，还要求各方都能考证其他方如实停驻了。由于 AI 系统本人的私有特质，这一军控问题中的“可探伤性”（detectability——程序低于“可考证性”）比其他技艺可贵得多。素质运行比导弹辐射井更容易保密，它们的输入也都是通用型资源，而悄悄走嘴的激发又极其热烈——因为当别东谈主暂停时，谁链接鼓舞，谁就可能秉承起初地位。一个确实的暂停机制还必须明确：什么触发暂停，什么条目下拔除暂停，以及由谁来裁定。

从原则上说，这并不一定不可能。东谈主类社会曾经为其他复杂技艺建立过考证机制，比如《中导公约》（Intermediate-Range Nuclear Forces Treaty）。但那类机制用了几十年才建立起基础设施与互信。咱们曾经莫得那么永劫分了。比拟之下，由单个实验室片面暂停，今天坐窝就不错作念到，但作用小得多：它只会改变谁是领跑者，却无法创造刻下确实缺失的、更宽敞的社会性盘问过程。

异日几个月，咱们将组织一系列盘问，让战略制定者、规划东谈主员、公民社会以过甚他 AI 公司，通盘回应本文提议的一些问题，尤其是对于完全递归式自我创新，以及怎么为和谐与审议创造更好选项的问题。咱们也会把这些盘问的效果发布出来。当今，恰是通盘规划这些问题的窗口期，而 AI 公司以外的东谈主，也应当被纳入这场盘问。

Marina Favaro 和 Jack Clark 共同撰写了本文，Santi Ruiz 提供剪辑维持。Shan Carter、Romello Goodman 和 Nikki Makagiansar 基于 Brian Calvert 与 Jun Shern Chan 收罗的数据制作了文中视觉内容。Daniel Freeman、Jim Baker、Max Young、Sarah Pollack、Francesco Mosconi、Holden Karnofsky、Andy Jones、Kevin Troy、Anton Korinek、Meg Tong、Andrew Ho、Dan Altman、Drake Thomas、Jack Shen、Sasha de Marigny 和 Avital Balwit 提供了响应。

脚注

[^1]: METR 的要害预计谋略，是 AI 系统在一组任务上达到 50% 可靠性时所对应的任务时长；不外，即便使用 80% 可靠性程序，趋势线看起来也险些一样。

[^2]: 尤其当基准越来越偏向绽放式表情和更可贵任务（例如奥数级数学问题）时，由于题目与谜底集本人可能存在歧义、题目无法求解等问题，基准通常会在低于 100% 的位置就“饱和”。

[^3]: Anthropic 不断层曾公开推测，咱们杰出 90% 的代码都是由 Claude 写的，这其中包括剧本和实验性代码。本文所说的 “>80%”，指的是合并进坐褥环境的代码行中，可归因于 Claude 的占比。这个谋略更保守，体当今两方面：一是咱们的归因经由本人存在缺口；二是那些未被归因给 Claude 的代码行中，也包含自动生成代码和其他并非东谈主类手写的内容。

[^4]: 这轮代码产量激增，正在挤压全球共用的基础设施。四肢全球大部分软件构建的平台，GitHub 在整个 2025 年大要纪录了 10 亿次代码提交；而到 2026 年年中，这一数字曾经变成每周 2.75 亿次，按全年速率估算大麇集达到 140 亿次。GitHub 首席运营官暗示，公司正“极其勤奋地”扩容，只是为了跟上这个增长速率。

[^5]: 对于这项阅览的方法学细节，可参见 Claude Opus 4.7 System Card 的第 2.3.5 节。

[^6]: 许多受访者可能并未仔细斟酌应怎么校正这个问题中的多样偏差或界说细节，而 METR 最近的规划流露，设备者对 AI 带来坐褥率提高的主不雅推测，通常会高于推行值。

[^7]: 具体加速能达到多大程度，很大程度上取决于肇端代码本人还留有若干优化空间，因此这里的实足倍数不应被径直解读为现实寰宇中的素质加速效果。更有信息量的是这种“同条目对比”所提供的比较：不同模子之间（往常一年从约 3 倍到约 52 倍）以及模子与闇练东谈主类之间（在同样任务上，东谈主类 4 到 8 小时作念到约 4 倍）的相反。

[^8]: 为了检查裁判偏置博亚(中国)体育app，咱们还在另一组 127 个时刻上作念了同样测试；这些时刻里，东谈主类其时的下一步本来就曾经很强（与原始测试集“东谈主类标的存在创新空间”不同）。在这组对照中，模子给出的建议唯独大要 20% 的情况下被判定为更优。