📌 核心问题：AI 正在加速制造 AI，递归自改进已非空谈

在 AI 发展的大部分历史中，人类驱动着开发周期的每一步。但 Anthropic 正在将越来越多的 AI 开发工作委托给 AI 系统本身。这一趋势指向一个终极目标：完全自主地设计和开发自身继任者的 AI 系统——即递归自改进（Recursive Self-Improvement）。Anthropic 尚未到达这一步，但他们的内部数据表明，这一天可能比大多数机构准备好的要早得多。

这篇来自 Anthropic Institute 的深度报告，首次公开了 Anthropic 内部未披露的数据，展示了 AI 如何已经在加速 AI 系统的开发。这不是理论推演，而是已经在发生的工程现实。

📊 关键数据：从 80% 代码由 Claude 编写到 52x 性能优化

  • 80%+ 代码由 Claude 编写：截至 2026 年 5 月，Anthropic 合并到代码库的代码中超过 80% 由 Claude 撰写。2025 年 2 月 Claude Code 发布前，这个数字仅为个位数
  • 8x 工程效率提升：2026 Q2，Anthropic 工程师人均每日合并代码量是 2024 年的 8 倍
  • 4x 研究产出提升：2026 年 3 月对 130 名研究员的调查，中位数估计使用 Mythos Preview 后产出提升约 4 倍
  • 52x 实验优化：2026 年 4 月 Claude Mythos Preview 在代码优化实验中达到 52x 加速（2025 年 5 月 Opus 4 为 3x，人类研究员 4-8 小时达到 4x）
  • 任务时长翻倍加速：AI 可独立完成的任务时长从每 7 个月翻倍加速到每 4 个月翻倍。Opus 3（4 分钟）→ Sonnet 3.7（1.5 小时）→ Opus 4.6（12 小时）
  • 76% 开放式任务成功率：最困难的开放式任务（无明确规格说明）成功率从 6 个月前的 26% 提升到 76%
  • 97% 研究差距弥合：在自主研究项目中，Claude 弥合了弱监督强模型 97% 的性能差距（人类研究员一周完成 23%），累计 800 小时，约 $18,000 算力成本
  • 1000x 错误减少：2026 年 4 月，Claude 交付 800+ 修复，将一类 API 错误减少了 1000 倍，人类估计需要 4 年完成

🏗️ 技术架构与演进路径

  • 四阶段演进：构建 Claude（2021-2023，纯人工）→ 聊天机器人（2023-2025，代码片段辅助）→ 编码 Agent（2025-2026，自主编写编辑代码）→ 自主 Agent（现在，运行代码并委派数小时工作给其他 Agent）
  • 能力分层模型：执行明确任务（初级）→ 设计解决方案（高级）→ 选择值得解决的问题（资深）。Claude 在前两层已接近或超越人类，第三层仍有显著差距
  • 自动化代码审查：Claude 自动审查代码变更，回溯分析发现可捕获过去 claude.ai 生产事故中约 1/3 的 bug，而这些代码由世界顶尖工程师编写
  • 基准测试饱和：SWE-bench（软件工程）和 CORE-Bench（研究复现）均在 15-24 个月内从低分达到饱和。METR 测试显示 Claude Mythos Preview 可连续工作至少 16 小时
  • 研究判断力进化：在「下一步该怎么做」的决策中，Opus 4.5（2025.11）51% 优于人类选择 → Mythos Preview（2026.4）64% 优于人类选择

🔑 关键洞察

「99% 的汗水」正在被自动化：爱迪生说天才是 1% 的灵感加 99% 的汗水。Anthropic 的数据表明，那 99% 的汗水（写代码、跑实验、产出结果）正在变得几乎不花人力时间，只花算力成本。AI 进步的大部分是可自动化的——大规模研究进展主要取决于工具和资源，而非灵感闪现。
人类优势正在收窄为「研究品味」：选择什么问题值得做、什么结果可信、什么时候该放弃——这是人类目前仅存的比较优势。但早期数据显示，Claude 的研究判断力也在快速提升（51%→64%）。「研究品味」可能只是又一个 AI 先失败后擅长的能力，就像之前许多定性技能一样。
代码质量已达人类平手，年内将超越：Anthropic 内部共识是 Claude 编写的代码在 2025 年底仍逊于人类，现在大致持平，年内将严格优于人类。这意味着人类将完全从「写代码」转向「审查代码」——但如果审查速度跟不上生成速度，人类审查将成为瓶颈。
「闭合循环」是终极拐点：当前人类仍负责「方向设定」——选问题、定目标。但如果 AI 能自主设计和训练自身继任者，就实现了递归自改进的闭环。Anthropic 认为这「可能比大多数机构准备好的要早」。对于 AI Coding 和 Harness Engineering 领域的从业者，这意味着我们的工作方式将在 1-2 年内再次被彻底重塑。

💭 引发思考

Anthropic 员工的两段自述令人深思：一位说「我已经 5 个月没自己写过代码了」，另一位说「在一切顺利的日子里，我忍不住觉得我做什么都不重要了，一切都被自动化了，比我更快更好。但在一切崩溃的日子里，我意识到我甚至不知道自己在干什么了」。这揭示了一个深刻的张力：当 AI 加速一切时，人类的价值不在于速度，而在于方向感和判断力。

对于 AI Coding Agent 领域，这篇报告的意义远超技术本身。它表明「AI 写代码」已经不是新闻——「AI 加速 AI 进步」才是。当 Anthropic 的工程师从写代码转向审查代码、从执行实验转向设计实验时，整个软件工程的职业定义正在被重写。这与 Harness Engineering 的核心理念高度一致：环境设计、反馈循环和渐进式披露比代码本身更重要。未来 1-2 年，工程师的核心竞争力将从「写好代码」转向「设计好约束」。

📎 相关阅读

逍遥云初 | 2026.06.29