据 Business Today《Anthropic says Claude now leads 26% of its AI R&D work》（2026 年 9 月），Anthropic 首次公开内部研发结构指标：其大模型 Claude 已经能够在约 26% 的人工智能研发任务中起主导作用，而今年 2 月这一比例还低于 1%。这个数字的意义不在于「AI 会写代码」，而在于它第一次把「用 AI 造 AI」的进度摆到台面上，用来回答一个更敏感的问题：距离递归自我改进还有多远。
26% 的口径：是主导，不是辅助
先把定义说清楚，否则容易被误读。Anthropic 使用的动词是「主导」（lead），不是「参与」（assist）。按公司内部评估，在这约四分之一的任务里，Claude 依据高层提示完成大部分端到端工作，人类转为负责监督与验收。换句话说，被计入 26% 的那些工作，人不再是从头写到尾的执行者，而是设定目标、判断结果是否达标的人。
| 观测指标 | 2026 年 2 月 | 2026 年 9 月披露 |
|---|---|---|
| Claude 主导研发任务的比例 | 低于 1% | 约 26% |
| 已达「人机协作」及以上水平的研发占比 | 未披露 | 逾 90% |
| 内部平台同时在岗的 AI 代理数量（8 月） | 未披露 | 约 3 万个 |
| 决策规模与拦截比例（8 月） | 未披露 | 逾 10 亿次决策中约每 4.7 万次拦截 1 次 |
把两组数字并排放，画面会清晰很多：26% 描述的是「谁在做」，90% 描述的是「有没有人参与」。前者衡量自主度，后者衡量覆盖率，两者不是一回事。
从不足 1% 到约 26%：一个季度的斜率
真正值得警惕的是变化速度。2026 年 2 月，这一比例还几乎为零；到 9 月披露时已升至约四分之一。七个月里，模型在自家研发流程中的角色发生了量级变化，而这段区间恰好是各家前沿模型密集迭代的窗口期。
Anthropic 的表述也留了余地：逾 90% 的研发工作已达到人机协作及以上水平，但尚未完全脱离人工介入。这句话的信息量在于「及以上」——大部分工作仍需要人，只是人站的位置往后挪了一格。企业判断自身节奏时可以借用这个框架：不是问「能不能全自动化」，而是问「哪一段可以交出、哪一段必须留住」。
三万代理、十亿次决策：刹车装在哪个环节
自主度上去，控制成本也会上去。Anthropic 在同一批披露里给出了工程侧的实况：8 月，公司内部平台上约有 3 万个 AI 代理同时从事研究与工程工作，每一项操作在执行前都要过审；在当月逾 10 亿次决策中，大约每 4.7 万次就有 1 次被拦截。9 月 17 日，公司表示已部署多套内部自动监控系统，一旦发现可疑操作即刻通知人工复核。
- 任务层：约 26% 由模型主导完成，人类转为监督与验收角色。
- 流程层：操作前审批、自动监控、人工复核，构成三道串联闸门。
- 披露层：连拦截比例这类「不体面」的数字也一并公开，用于建立可被外部核对的基线。
三道闸门的顺序很关键。前置审批解决「能不能做」，自动监控解决「正在做什么」，人工复核解决「做错了怎么办」。规模扩大时，真正会被压垮的往往不是算力，而是最后一环的人工通道。
为什么要公开这些数字
据 Business Today 报道，Anthropic 解释称，公布这些指标是为了衡量世界距离递归自我改进还有多远。所谓递归自我改进（recursive self-improvement），指的是一种 AI 能够自主设计并训练出更强继任模型的循环：上一代模型参与造出下一代，下一代再用更高的效率参与更下一代。
它同时是效率叙事和风险叙事。效率一侧，研发周期被压缩，人力从执行转向判断；风险一侧，人类介入的窗口期随能力提升而同步收窄。Anthropic 选择把「拦截率」和「人工复核」这类指标一起亮出来，等于承认这条曲线必须被持续观测，而不是等行业先跑出一轮事故再回头补制度。
对普通团队的三条参照
这类实验室级数字不能直接照搬，但治理结构可以。小团队的模型自主度高、流程薄，反而更容易出现无人复核的灰色地带。
- 先量化边界：明确记录哪些环节由模型独立完成，哪些环节必须有人签字，别停在感觉上。
- 再做异常出口：为越界动作设计一条能立刻找到人的通路，比事后追责有效。
- 最后看趋势：只盯绝对值意义有限，拦截比例与复核频率的变化方向才是提前量。
这套指标该怎么读：三处容易被误算的口径
公开数字最容易在传播中变形。要把 26% 用好，至少要先厘清三处口径差异。第一是任务颗粒度：同一个研发流程按不同方式切分，统计出的占比会明显不同，把编译、测试、文档这类短任务拆得越细，模型主导的比例就越高。第二是主导不等于独立：该口径中包含高层提示与人类验收两个环节，这两步都不计入模型主导的部分。第三是样本来自自家流程：Anthropic 统计的是自身研发任务，技术栈、工具链与模型版本高度耦合，换到外部团队未必能复现同一比率。
更稳妥的用法，是把 26% 当作方向指示器而不是对标基准。真正可以做横向比较的，是同一团队跨月份的变化幅度：如果模型主导比例在上升、人工复核量同步上升，说明系统正在扩张边界；如果复核量下降而拦截率保持稳定，说明流程在收敛。这两种走向需要完全不同的管理动作，前者要补治理能力，后者要防复核盲区。
- 先固定任务切分口径再讨论占比变化，否则不同月份的数字之间不可比。
- 主导比例上升时，检查人工复核通道的吞吐是否跟得上任务量的增长。
- 单点数值不构成结论，趋势方向与拦截率才提供可用的提前量。
常见问题
问：26% 是否意味着 Anthropic 的研发已经不需要人类了？
不是。该比例描述的是模型主导完成的任务占比，公司同时明确表示尚未完全脱离人工介入，且每项操作执行前都要过审，人类仍承担监督与验收职责。
问：约 3 万个 AI 代理同时在岗，会不会失控？
按已披露的信息，系统设有前置审批与自动监控。8 月逾 10 亿次决策中约每 4.7 万次拦截 1 次，被拦截的操作会转交人工复核。
问：这个指标对非 AI 公司有什么参考价值？
它给出了一个可复制的治理模板：先量化模型能够自主完成的边界，再为越界动作配置审批与复核通道。团队规模不同，但结构可以照搬。
参考来源
- Business Today.《Anthropic says Claude now leads 26% of its AI R&D work: How fast is AI development accelerating?》2026
- 红星新闻.《Anthropic：Claude 已主导公司 26% 的 AI 研发任务》2026
- Anthropic. 内部研发结构指标披露说明. 2026
