若是你以为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，发现一个有点摇荡的事实： AI正在成为我方的“造物主”。

爽朗说等于，从前AI奈何进化，每一步都得东说念主盯着、东说念主开端。但当今，Anthropic越来越多地把AI拓荒的职责，径直交给AI我方干。死一火是：工程师每季度合并的代码量，是往日几年的 8倍 ；卓绝80%的新代码是Claude写的；有些耗时几天的活儿，它两小时就干结束。更横蛮的是，AI不光颖慧活，还能作念判断。比如给一个灵通的议论问题，它我方能假想实验、跑死一火、找谜底。在一个AI安全测试里，两个东说念主类议论员花了一周处罚了23%的问题，Claude用800小时和一万八千好意思元的算力，处罚了 97% 。按照这个速率，AI能寂寥完成的任务时长，苟简每四个月翻一倍。昨年3月它颖慧4分钟的活儿，本年已经颖慧12小时的了。按照这个趋势， 2027年傍边，AI可能就颖慧东说念主类需要好几满身手完成的事 。虽然，Anthropic也说了，这还不是“AI澈底我方造我方”的那一天——但阿谁叫“递归式自我完善”的东西，可能比大大宗东说念主想的来得快。好的一面是，科学、医疗、分娩力可能会被推着跑起来。不好的一面是，若是AI真的能我方造我方，东说念主类奈何保证还能“管得住”它，就成了一个天大的问题。这篇著作有点长，但值得看完！

以下为编译。

在 AI 发展史上的大大宗时辰里，东说念主类主导了它拓荒周期中的每一个要津。但在 Anthropic，咱们正把越来越多的 AI 拓荒职责寄予给 AI 系统我方完成，而这正在显赫加速咱们的职责速率。

若是把这一趋势连接推远，并给以宽裕多的算力，它最终会指向一种 AI 系统：它能够完全自主地假想并拓荒我方的后继版块。这被称为 递归式自我翻新 （recursive self-improvement）。咱们还莫得走到那一步，而且递归式自我翻新也并非势必发生。但它到来的时辰，可能会比大大宗机构准备得更早。

借助公开基准测试，以及此前从未对外败露的 Anthropic 里面数据，Anthropic Institute 正在展示一个事实：AI 已经初始加速 AI 系统本人的拓荒。举一个例子：今天，Anthropic 工程师平均每个季度委用的代码量，已经是 2021—2025 年时期的 8 倍。

本文议论的本领趋势标明，异日几年 AI 系统的身手还将大幅耕作。这些趋势真义要紧。能够“构建我方”的 AI，将会是本领史上的一个要紧节点——它可能像 《Machines of Loving Grace》 所描绘的那样，在科学、医疗等领域为寰宇带来巨大的善意与跳动。但完全真义上的递归式自我翻新，也可能加多东说念主类失去对 AI 系统适度的风险。若是系统真的具备完全构建其后继版块的身手，那么咱们怎样保险其安全、怎样监控它、怎样塑造它的举止，都会变得蹙迫得多。

1 来自外部寰宇的根据

AI 模子耕作的速率正在加速。它们能够可靠寂寥完成的任务时长，已经从更早期苟简每七个月翻一倍的趋势，加速为如今苟简每四个月翻一倍。2024 年 3 月，Claude Opus 3 还能完成苟简相配于东说念主类 4 分钟职责量的软件任务。一年之后，Claude Sonnet 3.7 已经能处理相配于东说念主类约 1 个半小时的任务。再过一年，Claude Opus 4.6 已经能完成 12 小时级别的任务。[^1] 若是这一趋势延续下去，那么本年之内，熟识东说念主员需要花上数天身手完成的任务，就可能进入 AI 的身手范围；到 2027 年，AI 系统偶而将能胜任那些东说念主类需要数满身手完成的任务。

相似的模式也出当今编码与议论基准测试上。基准测试估量的是模子在某一特定领域中的发扬，而当模子收成接近 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要领测试之一：它会给模子一个真实的开源代码库和一份真实 bug 评释，要求模子写出能拓荒问题、并通过名目自身测试的代码变更。只是两年时辰，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议论死一火，这亦然其异日开展原创议论的前提。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，并要求它重新运行全部进程，阐发我方能够复现实验论断。AI 系统在 2024 年时，复现得胜率苟简惟有 20%；而只是 15 个月之后，这一基准也已趋于饱和。致密万古任务身手评测的 METR 还发现，Claude Mythos Preview 已经能够职责“至少”16 小时，而且已经“波及 [METR] 在不引入新任务前提下可测量身手的上限”。

公开基准不错告诉咱们好多对于系统身抄本人的信息，但它们无法径直揭示 AI 系统究竟在多大程度上加速了 AI 自身的拓荒。要回话这个问题，咱们需要来自 Anthropic 这类 AI 公司里面的一手根据。

2 Anthropic 里面的根据

构建一个前沿模子，大致可分为两类职责。其一是 工程 ：编写代码、搭建基础设施、监督模子磨真金不怕火。其二是 议论 ：决定要作念哪些实验、评释实验复返的死一火，并判断接下来该尝试哪些认识。

不管在工程如故议论上，呈现出的图景都相配一致。在工程侧，Claude 已经能够吸收一个界说并不充分的问题，然后自行摸索处罚旅途；东说念主类提供的是主义，但不再需要提供方法。在议论侧，Claude 已经不错在践诺一个界说清亮的实验时，达到以至卓绝熟识东说念主类议论者的水平。不外，在工程和议论中，Claude 在“遴荐主义”时所需的判断力上，依然存在彰着身手差距。这恰是今天的 AI 与异日那种不错自主假想我方后继者的系统之间的分袂。

在 Anthropic，职工正常会跟着领导增长而接到越来越灵通、也越来越蹙迫的任务。初期，他们践诺别东说念主已经界说好的任务，比如：“导出按钮坏了，请修一下。” 跟着领导加多，他们会拿到一个主义，然后我方假想已毕旅途，比如：“探员一下为什么相聚在高负载下会变慢。” 而到了最资深的层级，他们决定的已经是“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 在应付这些不同类型任务方面已经走到了哪一步。

Claude 正在编写 Anthropic 相配大比例的代码。 死一火 2026 年 5 月，Anthropic 代码库中合并进主分支的代码里，卓绝 80% 出自 Claude。[^3] 在 2025 年 2 月 Claude Code 议论预览版发布之前，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说念主均产出上。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沉稳；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，模子能够在更万古辰跨度上自主职责后，斜率再次彰着变陡。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，已经是 2024 年时的 8 倍。[^4] 原因很爽朗：好多代码已经由 Claude 写出，而工程师的变装转向了指点与审阅，而不是亲手逐行敲写。

虽然，需要留神的事：代码行数并不是齐备计议，因为它估量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”，简直信托高估了真实分娩率耕作的幅度。但不管怎样，它说明了一件事：速率正在加速。在 Anthropic，咱们并不会按照“你写了些许行代码”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，也与职工对分娩率显赫耕作的主不雅感受相吻合。2026 年 3 月，在 Anthropic 议论团队 130 名职工参与的一项探员中，受访者中位数推测：在“不管怎样本来也会作念的那些名目”上，使用 Mythos Preview 后，他们的产出苟简是“完全莫得 AI 可用”情况下的 4 倍。[^5] 咱们展望，3 月时真实的耕作幅度可能比这个数字略低。[^6] 尽管如斯，咱们依然认为举座论断实在，也与咱们的其他不雅察一致：Anthropic 中相配一部分本领职工，正在以莫得 AI 匡助时数倍的速率完成我方的中枢职责。

咱们还看到一些根据标明，Anthropic 职工正愚弄 Claude 去完成那些若是莫得 AI，本来压根不会去作念的职责，比如搭建探索性用具、或者算帐那些历久被放弃的问题。例如来说，2026 年 4 月，Claude 一次性委用了 800 多个拓荒，把某一类 API 失误减少到了蓝本的千分之一。致密监督 Claude 的工程师推测，若是让东说念主类来作念，这项职责需要整整 4 年；修别东说念主的 bug 本来等于一件徐徐、繁琐、极其蹧跶元气心灵的事，而东说念主类也很难同期在脑中督察如斯巨大且生分的高下文。

“苟简一年前，我初始格外激进地推动‘Claudifying’。那是一段格外苟且的旅程，而到当今，省略已经有 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”，而且还在络续变好。 “好代码”包含两层含义：第一，它能正常职责；第二，它的写法要让另一位工程师能够清醒、并连接在其上迭代。对第一条要领而言，根据已经很明晰。往日一年里，Anthropic 职工在职务进行过程中对 Claude 进行改造、重定向，或径直收受的频率一直在稳步下跌，哪怕是在最复杂、最灵通的问题上亦然如斯。所谓“灵通问题”，是指那些莫得明确规格说明、工程师我方也不细目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得胜率变化。Claude 已经能写出实在可运行的代码。

怎样清醒这张图： 会话是否得胜，由一个 Claude 裁判来判断；若是 Claude Code 代理彰着完成了用户任务，而且过程中不需要东说念主为改造，则该会话被视为得胜。职责负载的变化可能导致得胜率出现短期波动。

在最灵通的那类任务上，Claude 的得胜率到 2026 年 5 月已经达到 76%，在 6 个月内提高了 50 个百分点。举个这类任务的例子：一次旧例升级导致论千论万的磨真金不怕火功课崩溃。一位工程师简直只给了 Claude 少许文本信息和集群探听权限，就把及时局故交给它处理。Claude 一边查抄运行中的功课，一边逐项测试环境成立，最终锁定了一个触发崩溃的阻滞调试艳丽位，得胜沉稳复现问题，并阐发了解法。苟简两小时内，Claude 完成了正常需要两到三天身手作念完的职责。

第二条要领，是代码是否写得宽裕清亮，让另一位工程师能看懂并在其上连接拓荒。在这少许上，东说念主类与 AI 之间的差距依然存在，但正在速即减弱。Anthropic 里濒临此并非完全一致，但许多东说念主认为：在 2025 年末，Claude 写的代码质地仍彰着逊于 Anthropic 工程师我方写的代码；而到今天，两者已经大致持平。咱们展望，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查抄 bug、安全罅隙以过甚他颓势。愚弄这一用具，咱们作念了一次回溯分析，发现：若是往日对代码库中的每一次篡改都进行自动化 Claude 审查，那么 claude.ai 过旧事故背后苟简三分之一的 bug，本来都不错在进入分娩环境之前就被禁绝下来。写下那些代码的工程师，本人已经是寰宇上最擅长构建这类系统的东说念主之一。如今，Claude 已经能收拢他们遗漏的失误。

“在 2025 年末，Claude 写的代码质地还比 Anthropic 东说念主类工程师写的差一些；今天，它大致已经达到同等水平；而咱们展望，在一年内它会严格真义上卓绝东说念主类。” ——Anthropic职工

Claude 已经很擅长围绕别东说念主设定的主义来跑实验。 每次 Anthropic 发布新模子时，咱们都会进行团结个测试：给 Claude 一段用于磨真金不怕火微型 AI 模子的代码，要求它在仍通过调换正确性查抄的前提下，把这段代码跑得尽可能快。主义和评估要领预先就被固定好了，是以 Claude 的任务等于通过改写代码、运行代码、计时，再叠加这一过程来寻找加速方法。这相配于一个减弱版的实验议论闭环。2025 年 5 月，Claude Opus 4 比拟肇端代码平均已毕了约 3 倍加速；到 2026 年 4 月，Claude Mythos Preview 已经达到约 52 倍。算作参照，一个熟识的东说念主类议论员正常需要 4 到 8 小时，身手作念到 4 倍。[^7] 在议论进程的这一环——也等于在界说清亮的实验里作念门径优化——Claude 在不到一年的时辰里，就从“格外有匡助”跨越到了“卓绝东说念主类”。

“今天的举座形态大致是：东说念主类提倡认识，而模子能以比往日快一个数目级的速率，把这些认识已毕、测试并评估出来。” ——Anthropic职工

Claude 正越来越擅长提倡我方的实验。 2026 年 4 月，Anthropic 发布了第一个由 Claude 端到端完成灵通式议论名目的演示。议论东说念主员给 Claude 驱动的代理们一个 AI 安全方进取的灵通问题——大致来说，是“较弱模子是否不错可靠监督较强模子？”——然后让它们我方去处罚。这个过程包括提倡假定、进行实验、与并行代理分享发现，并不停迭代。这个任务有清亮的发扬“地板”和“天花板”：地板是弱监督模子单独职责时能达到的水平；天花板则是强模子在使用正确谜底磨真金不怕火后达到的水平。两位东说念主类议论者花了苟简一周时辰，收复了其中约 23% 的差距；而这些代理累计职责 800 小时、蹧跶约 1.8 万好意思元算力后，收复了 97%。虽然，这项职责也有一些端正：死一火并莫得凯旋迁徙到分娩范围的模子上，而且问题的遴荐和评分功令仍然由东说念主类设定。但在这些领域要求之内，代理们是我方假想了每一个实验。东说念主类实在饰演的独一重要变装，等于设定议论标的。

“Claude 在 1 到 2 天里，简直没奈何需要我赞理，就把这一切作念结束。我想，若是一位[低级共事]在相似时辰里拿着这样的死一火追想找我，我会感到有点惊喜。异日已经来了。” ——Anthropic职工

Claude 正越来越擅长把议论会话引向实在的议论发现。 咱们分析了 Anthropic 议论东说念主员在 2026 年 1 月到 3 月之间与 Claude 一齐职责的真实 Claude Code 会话，这些会话处理的都是灵通式探员问题，比如“为什么一次磨真金不怕火运行老是崩掉”，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，咱们都找到了议论员半途“走弯路”的时刻：他们沿着一个失误方上前进，导致通盘这个词会话偏离正轨，之后才重新拉追想。接着，咱们只把“会话偏离之前”的职责内容展示给多个 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通盘这个词会话最终死一火的 Claude，来判断究竟是 AI 如故东说念主类提倡了更好的下一步。[^8]

由于咱们有益挑选了这些“东说念主类遴荐本来就有翻新空间”的时刻（n=129），是以这并不是模子与东说念主类判断力的一次完全平允对照。这些时刻实在提供的是一组现实而贫穷的场景：正确的下一步并不显著，而东说念主类那时的遴荐，恰好不错算作一个有用的标尺，来比较模子身手随时辰的变化。按照这曾计议，咱们在 2025 年 11 月发扬最佳的模子（Opus 4.5），有 51% 的概率比东说念主类那时的遴荐更优；到 2026 年 4 月（Mythos Preview），这一比例飞腾到 64%。议论职责的日常，实质上等于由一连串“下一步该作念什么”的决策组成，因此，这不错算作估量模子异日能否自主推动探员议论的一个关连计议。咱们把这一死一火视为一个早期信号：AI 系统正在越来越擅长作念出那些 AI 议论本人所依赖的判断。

怎样清醒这张图： 图中的“实践天花板线”代表一种“逸想谜底”——它由一个能看到通盘这个词会话全过程（包括其后怎样死一火）的模子写出。

“死一火目前，东说念主类的比较上风仍然在于：看见更大的图景，而且能够跳出目前任务的领域去念念考。” ——Anthropic职工

3

Anthropic 的职责异日可能会是什么样？

这些根据标明，百家乐软件APP下载官方版在 AI 拓荒进程中的每一步，东说念主类所饰演的变装都在收缩。一朝东说念主类与 AI 所写代码的质地达到同等水平，东说念主类就会澈底住手躬行写代码，而只保留审阅这一职责。但若是东说念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 拓荒的新瓶颈。相似，一朝 Claude 已经能寂寥跑实验，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，“践诺”——也等于写代码、跑实验、产出死一火——简直已经不再蹧跶东说念主类时辰，尽管它仍然蹧跶算力。

至少在目前，东说念主类的比较上风仍在于议论试吃与判断力：包括哪些问题蹙迫、哪些死一火实在，以及什么时候该认定一条旅途已经走进死巷子。

“职责（以及生计）也曾成就在一种由东说念主与东说念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？’……每一次肯求都会形成少许点情面债，也会加多少许点互相之间的感知。[Claude] 更快，而且不会制造任何情面债，但每一次这样的替代，也意味着一次东说念主类联结契机的流失。”“在一切都运转凯旋的日子里，我会忍不住以为我作念什么都不蹙迫，一切都自动化了，而且比我更快、更好。但也有些日子，一切已而都坏掉了，我又压根不知说念为什么，于是我矍铄到，我方已经完全不知说念这些天究竟在作念什么了。” ——Anthropic职工

4 若是咱们错了呢？

对上头这些根据，一个很当然的反驳是：实在最蹙迫的职责，仍然掌持在东说念主类手里——也等于决定“该作念什么问题”。若是莫得这种判断力，Claude 充其量只是一个身手很强的助手，而不是一个能够我方推动 AI 跳动的系统。

今天的磨真金不怕火方法和模子架构，究竟能否解锁这种身手，确乎还很不解确。但 AI 的跳动很少来自那种“灵光一现”的顿悟时刻。连年 AI 历史中确乎出现过一些这样的时刻，比如 Transformer 架构，或者搀杂巨匠（mixture-of-experts）模子；但实在改变范式的认识，时时几年才出现一次。在这中间，大部分跳动其实都很“朴素”：把某个东西连接放大，望望那儿出问题，修掉，再试一次。而这恰恰恰是 Claude 当今最擅长的职责流。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。越来越彰着的少许是：推动前沿上前走的许多职责，本人等于可自动化的；大范围议论进展，在很大程度上取决于用具和资源——它们决定了你能多快跑实验、一次能跑些许实验，以及你能多快拿到死一火。

即便咱们假定 Claude 始终也得不到真巧合的议论试吃，对现存根据作念一个保守解读，也仍然意味着一种“复利式加速”。若是东说念主类把大部分时辰都花在阿谁位数比例的“标的设定”职责上，而剩余部分都交给 Claude 来作念，那么每位工程师或议论者试验上都在同期支配比往日多得多的职责量。咱们看到的根据标明，Anthropic 的职工不仅搬动得更快，也覆盖了更广的职责面。在试验层面，这意味着：自从灵验的 AI 用具出现之后，AI 已经让 Anthropic 的推动速率比往日快得多。

而一种没那么保守的解读则是：尽管目前根据还很初步，但 Claude 在议论判断力上的耕作，也许说明这项身抄本人也在跳动。“议论试吃”也许只是另一种典型的 AI 身手：系统会先在一段时辰内发扬得很差，然后已而初始变得擅长。近似的模式，咱们已经在其他更偏定性的身手上见过，比如 AI 系统初始能够评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，这条趋势会不会连接；第二，若是连接，咱们会遴荐作念什么。咱们至少不错想象三种异日情状：

1. 趋势停滞，但今天的 AI 身手世俗扩散

这篇著作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：范围呈报初始递减，增长线条先变直，再趋于沉静。一个“及格议论员”和“伟大议论员”之间的分袂，所依赖的那种判断力，也许并不可通过连接扩大磨真金不怕火输入（如算力和数据）来赢得。若是确凿这样，那么要越过这一瓶颈，就需要一个新认识，比如一种能够取代现时通盘前沿模子所依赖的 Transformer 的新架构门道。

另外，端正 AI 进展的重要敛迹，也可能不在模子本人，而在供应链：前沿身手的推动与扩散，也许需要比现时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，也许才是实在的敛迹，而不是智能本人。咱们也不可摈弃某种外生冲击对 AI 生态形成已而延缓的可能，比如算力或电力供应蓦地收缩——不管哪一种，都会让跳动变慢，也让前沿实验室连接干与的老本飞腾。或者，也可能存在其他咱们尚未料意想的膺惩。

即使把模子身手冻结在今天的水平，咱们仍然展望寰宇会发生要紧变化。Project Glasswing 等于一个早期信号：在最初几周里，Mythos Preview 在全球最蹙迫的一些系统中发现了卓绝一万个高危和严重级别的软件罅隙，多到相聚留神的瓶颈已经从“发现罅隙”转向“来不足修补罅隙”。而且，咱们仍处在今天这些模子向更世俗经济体系扩散的早期阶段——异日，一个 100 东说念主的公司，越来越可能作念出往日 1000 东说念主公司身手完成的职责，因为每一位职工死后都将站着一个代理金字塔。

之是以把这个情状列出来，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，咱们能测量到的通盘身手——包括那些看起来更“软”、更难量化的身手，比如代码质地和灵通任务得胜率——都盲从着相似的飞腾弧线。咱们还莫得看到这条弧线初始弯折。在咱们议论的三种异日里，这一种会给政府和社会最多的适那时辰。比拟之下，咱们更惦念背面两种，因为它们会来得更快，留给准备的空间也小得多。

2. AI 实验室连接赢得复利式效劳耕作

在这个情状里，AI 拓荒将已毕相配程度的自动化，但议论标的仍由东说念主类设定，死一火也仍由东说念主类裁定。使用 AI 系统的组织会跟着时辰推移变得越来越高效，因此咱们不错预期，每一个组织成员的分娩力都会被成倍放大。一个 100 东说念主的公司，可能作念出 1 万东说念主以至 10 万东说念主组织身手完成的职责。这将澈底改造常识职责和政府服务，但它相似可能被用于无益目的：从针对通盘这个词东说念主群的威权监控，到为每个个体量身定制、且以任何东说念主工团队都无法匹敌的范围运行的影响力操控。届时，在 Anthropic 这样的公司里，东说念主类的变装也会改变。东说念主们将与 AI 系统联结，放大议论身手、生成新洞见，并共同成就那些用来考证 AI 输出是否实在的系统。

咱们在这里展示的根据标明，咱们很可能正在走向这个情状。但一个进程中某一要津的提速，时时只是把瓶颈推到了别处：举座速率终究受制于那些还莫得加速的部分。在诡计机科学中，这叫 阿姆达尔定律 （Amdahl’s law），对组织相似成立。Anthropic 已经遭逢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，东说念主类代码审查已经成为新的瓶颈。

而这种摩擦并不单存在于工程侧。Anthropic 职工与高身手模子联结后，新的认识、规划、用具和模拟实验出现了爆炸式增长，多到咱们压根莫得宽裕身手去逐一推动。一个组织能多快发现并拓荒这些新瓶颈，也许会成为一种会跟着时辰络续进化的身手，并最终成为任何组织最蹙迫的身手。

3. AI 系统本人赢得完全递归式自我翻新身手，并初始构建它们的后继者

若是本领身手连接沿着现时趋势前进，而 AI 系统又赢得了那种属于“变革性东说念主类创造力”的身手，那么 AI 系统假想并优化自身的可能性等于现实存在的。

在这个寰宇里，AI 拓荒程度将完全由算力的可赢得性决定——或者说，由 AI 系统我方发现磨真金不怕火或推理算法效劳耕作的速率来决定。东说念主类在拓荒中的变装将大幅减弱，可能把大部分元气心灵转向对一个不停推广的、由 AI 系统运行的“假造实验室”进行监督、考证与核查。咱们展望，一朝系统具备自动化 AI 议论与拓荒的身手，这些手段也会搬动到其他科学领域，从而初始改写更多学科的发展方式。

在这种异日里，对王人问题究竟会被怎样处罚——或者压根处罚不了——是咱们最莫得主理的部分。模子可能宽裕对王人，同期也具备宽裕好的议论试吃，以至于能自行发现并已毕咱们尚未达到的新处罚决策；它们以至也可能宽裕“理智”，在发现要求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，会跟着模子不停构建其后继者而不停积蓄，变得越来越不时、却越来越难以清醒，直到咱们最终失去适度。也有可能，咱们压根来不足成就、整合并考证那些匡助咱们判断我方究竟正处在哪条轨说念上的用具。

咱们对这个寰宇会长什么样莫得精熟直观，因为今天的经济仍由东说念主类和东说念主类制造的用具驱动。而从界说上说，一个由快速递归式自我翻新驱动的寰宇，可能会被这种能不停自我增强的模子所主导：跟着它的身手全面超越东说念主类，并在通盘这个词经济中扩散，寰宇将发生压根变化。若是东说念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。

即使模子拓荒真的已毕了完全自动化与递归化，咱们仍无法预测这对大大宗东说念主的日常生计究竟意味着什么。阿姆达尔定律在这里相似适用。递归式智能可能会在某些领域速即已毕 《Machines of Loving Grace》 中提到的许多克己。咱们展望，具身智能（也等于机器东说念主）可能会很快跟上递归式智能，并沿着近似旅途，以更低老本赢得越来越高的呈报。更强盛的智能，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测验，发展新的谐和机制。

但只是已毕递归式翻新，并不虞味着工业分娩方式、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矩的时辰举行，也无法在一个周末之内把生分东说念主变成老一又友。对大大宗东说念主而言，这种异日的“体感速率”仍将由瓶颈决定——即便上游实验室已经在以算力的速率驰驱。递归式智能络续越来越快地构建自身，而另一边的东说念主类寰宇仍受制于关系、治理和轨制的节律；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？

若是有可能灵验降速这项本领的发展，为社会争取更多时辰去应付它所带来的巨大影响，咱们认为这省略率会是一件功德。但若是“降速”只是让那些最不严慎的参与者在本领上赶上来，那反而可能使通盘东说念主更不安全。在缺少全球谐和机制的情况下，企业和政府都将不得不在竞争压力和地缘政事压力下，难懂地作念出安全关连决策。

咱们认为，寰宇若是领有“延缓”或“暂时暂停”前沿 AI 拓荒的选项，会是一件功德——这样，社会轨制建设和对王人议论才有契机跟上本领前进的速率。Anthropic Institute 将与许多其他机构合作，开展议论并罗致行动，匡助成就一种实在实在的延缓或暂停机制所必需的系统。这些系统应当使前沿 AI 拓荒者能够考证：全球其他参与者确乎也已经住手或降速了脚步，同期也能确保坏举止者不会借由“谐和延缓”的口头暗暗加速最初。若是这样的系统存在，咱们展望：只须其他位于前沿或接近前沿的拓荒者也在可考证前提下罗致了相似行动，咱们会慷慨降速以至暂时暂停。

一次有真义的延缓或暂停，要求多个资源浑朴、处在前沿或接近前沿的实验室，分处多个国度，并在相似要求下承诺停驻；同期，还要求各方都能考证其他方确乎停驻了。由于 AI 系统本人的专有特质，这一军控问题中的“可探伤性”（detectability——要领低于“可考证性”）比其他本领贫穷得多。磨真金不怕火运行比导弹放射井更容易掩饰，它们的输入也都是通用型资源，而暗暗负约的引发又极其浓烈——因为当别东说念主暂停时，谁连接推动，谁就可能袭取最初地位。一个实在的暂停机制还必须明确：什么触发暂停，什么要求下铲除暂停，以及由谁来裁定。

从原则上说，这并不一定不可能。东说念主类社会也曾为其他复杂本领成就过考证机制，比如《中导左券》（Intermediate-Range Nuclear Forces Treaty）。但那类机制用了几十年才成就起基础设施与互信。咱们已经莫得那么万古辰了。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，却无法创造现时实在缺失的、更世俗的社会性议论过程。

异日几个月，咱们将组织一系列议论，让计策制定者、议论东说念主员、公民社会以过甚他 AI 公司，一齐回话本文提倡的一些问题，尤其是对于完全递归式自我翻新，以及怎样为谐和与审议创造更好选项的问题。咱们也会把这些议论的效果发布出来。当今，恰是一齐议论这些问题的窗口期，而 AI 公司以外的东说念主，也应当被纳入这场议论。

Marina Favaro 和 Jack Clark 共同撰写了本文，Santi Ruiz 提供裁剪营救。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 的重要估量计议，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% 可靠性要领，趋势线看起来也简直一样。

[^2]: 尤其当基准越来越偏向灵通式风景和更贫穷任务（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，基准时时会在低于 100% 的位置就“饱和”。

[^3]: Anthropic 料理层曾公开推测，咱们卓绝 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%”，指的是合并进分娩环境的代码行中，可归因于 Claude 的占比。这个计议更保守，体当今两方面：一是咱们的归因进程本人存在缺口；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说念主类手写的内容。

[^4]: 这轮代码产量激增，正在挤压公共共用的基础设施。算作全球大部分软件构建的平台，GitHub 在通盘这个词 2025 年苟简记载了 10 亿次代码提交；而到 2026 年年中，这一数字已经变成每周 2.75 亿次，按全年速率估算苟简聚达到 140 亿次。GitHub 首席运营官示意，公司正“极其勤劳地”扩容，只是为了跟上这个增长速率。

[^5]: 对于这项探员的方法学细节，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洽商应怎样校正这个问题中的多样偏差或界说细节，而 METR 最近的议论线路，拓荒者对 AI 带来分娩率耕作的主不雅推测，时时会高于试验值。

[^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些许优化空间，因此这里的王人备倍数不应被径直解读为现实寰宇中的磨真金不怕火加速效果。更有信息量的是这种“同要求对比”所提供的比较：不同模子之间（往日一年从约 3 倍到约 52 倍）以及模子与熟识东说念主类之间（在相似任务上，东说念主类 4 到 8 小时作念到约 4 倍）的各别。

[^8]: 为了查抄裁判偏置，咱们还在另一组 127 个时刻上作念了相似测试；这些时刻里百家乐软件APP下载安装2026最新版，东说念主类那时的下一步本来就已经很强（与原始测试集“东说念主类标的存在翻新空间”不同）。在这组对照中，模子给出的建议惟有苟简 20% 的情况下被判定为更优。