五年前 Anthropic 内部文档曝光,其研发规划竟与日后 AI 进展高度重合

【新熵纪导读】一场版权官司把 Anthropic 五年前那份三四页的《Concise Research Roadmap》翻了出来。联创 Jared Kaplan 写下的清单里，已经出现 Coding Agent、工具调用、长上下文、强化学习和 Agent 安全；此后 Claude、宪法 AI、MCP 和 Claude Code，多能在同一张图上找到锚点。

雷峰网 2026 年 10 月 16 日报道，这份内部机密文件因版权诉讼意外公开。文档只有三四页，页边却挤满批注：联合创始人 Tom Brown 写「仓库浏览是简单、高价值的切入点」；系统与可解释性研究科学家 Nelson Elhage 预判，「自动查找项目里的类型定义」会极具用户价值。面对「最强编程助手」和「工具能力演示」两条路，CEO Dario 当场定调：「短期先演示工具使用，长期打造最强编程助手。」对齐科学家 Amanda Askell 则写下更硬的约束：如果只在自然语言里做对齐、在代码里猛冲能力，势必脱节；安全与能力必须按阶段绑在一起。

那一年 Anthropic 刚成立半年，全部融资仅 1.24 亿美元。距离 ChatGPT 引爆全球还有 16 个月，距离 Claude 1 还有 20 个月。行业还在怀疑大模型是不是过渡产品。这群从 OpenAI 出走的人，已经在计划「实现极高 GPU 利用率」「研究长上下文」「工具使用的强化学习」和「对社会影响的评估框架」。文档 PDF 被放在

载体先定成软件工程师同事

2021 年文档把 AGI 核心路径写得很直：做有长记忆的大型生成式模型，再用结合自动化奖励与人类反馈的强化学习做微调。所有项目围着这个中心转。检验路线的第一个载体，被写成「对话式软件工程师助手」：能通过对话创建、编辑、讲解软件，写函数、找 Bug、设计 API，还能讨论代码风格和工程实践，目标是达到一名软件工程师同事的水准。报道明确把它对应到后来的 Claude Code 雏形。

落地节奏是两步：短期先完成能力验证，长期再打磨深度生产力工具。切入点故意选轻的——打印调试、代码仓库浏览——再扩到代码执行、自然语言文档编辑。Dario 还提到类似 Google Docs 的自然语言编辑器：既能出安全研究成果，也有应用场景，两类编辑器底下的工具和基础设施很多是通用的。他们真正想验证的，是模型能否从「生成答案」走到「借助工具完成复杂任务」。若这条路成立，边界就不必停在写代码，可以伸向更多知识工作——这是文档里的设想，不是事后审计。

规模化被放在所有研究方向最前面。Jared Kaplan 是 Scaling Laws 理论第一作者，文档里已经在想如何训练万亿（1T）乃至更大模型；同时讨论拉高 GPU 利用率，提前适配 TPU、Trainium，把块稀疏注意力等复杂工程封装起来，让非专业人员也能配超参数，再给大模型权重搭安全防护。预训练和数据同样写得很早：目标是行业性能最优的语言加代码双料基座；数据集不仅有自然语言和代码，还覆盖 Diff、PR、调试记录和代码运行评估结果。过滤、迁移、微调、多样性优化被当成后面强化学习环境里做对比实验的底子。超长上下文，以及能封装海量记忆与经验的等效外挂，也列进同期攻坚。

对普通读者，这些条目不是论文目录。仓库浏览，就是让模型像同事一样打开整个代码库翻文件，而不是只看你贴进去的几十行；自动查类型定义，是点一个符号就能跳到它在项目里真正声明的地方。打印调试是往程序里插输出语句看运行轨迹。Diff 和 PR 则是软件协作里「改了什么、谁来审」的日常记录。把这些写进 2021 年的三四页纸，等于提前把「会聊天的模型」改写成「能进工程流水线的模型」。

对齐不能等能力成熟再补

Askell 的批注把风险说具体了：代码能力往上走却缺少对应约束，对齐研究又会因为模型不够强而测不深，长期会变成信息孤岛。因此各领域能力研究与对齐研究要按比例同步，安全不能等模型成熟后再补。规划里，人类反馈不只用来「会答题」，还要让模型主动提供帮助、根据反馈改行为、在意图模糊时主动澄清。团队要系统梳理对齐失效场景、按难度归因，并专门研究对齐效果随模型规模怎么变。奖励模型本身也要在合规人类反馈、Stack Exchange 静态数据、GAN 对抗数据上交叉验证。这些实验要沉淀成可量化的方法论：人类反馈怎么用效率最高、不同对齐目标要多少数据和资源。

可解释性被写成长期投入。Christopher Olah 负责拆解神经元、注意力头和内部功能回路，并提出把数据、工具方向的研究与可解释性绑在一起，从底层看清算术推理、多轮对话、代码生成如何在网络内部实现。RL for Tool Use 单列一项：让模型学会用工具、理解环境和目标，再用强化学习改进。当时已列入信息检索、打印调试——既有实用价值，也能检验接入工具后能否突破纯文本生成，以及相比监督学习，工具交互加 RL 是否有更好的缩放和算力效率。

安全贯穿全图。Sam McCandlish 问：「怎么安全地部署非沙箱化工具？」Dario 预警：部署阶段可直接执行代码的工具风险极高。报道写，如今回看 Agent 赛道热议的沙箱隔离、权限拦截，都在当年推演里。他们还想拉上学术界和政府做独立评测，用最高标准的安全框架给全行业立规范。底层算力、基座、工具与代码、对齐与可解释性、权重安全、第三方评估，被写成一套没有明显短板的全栈闭环。文档里还有一层当时看起来更学院派的工程细节：复杂注意力模块要封装到能配超参数的程度，权重则被当成必须单独防护的核心资产。对齐实验被写成可量化的投入账，报道把它和后来 Claude 能进金融、医疗、法律等高合规场景连在一起——这是雷峰网的因果叙述，不是本稿另做的行业调研。

五年里，清单上的分支怎么落地

雷峰网称，之后五年他们兑现了路线图上的每一个分支：从 Claude 1 到 Opus 5，从宪法 AI 到可解释性，再到 Computer Use、MCP、Claude Code、混合推理，都能在 2021 年路线图里找到锚点。网友评论被转述为「原来我们现在抢着做的 Agent，是人家的代办清单」；也有人说，见识或许不算稀奇，能把路线做出来不跑偏才了不起。时间线上的重合很密，仍不能单独证明「路线图导致产品」。

2022 年底 ChatGPT 靠 RLHF 爆火，痛点也被写进这篇复盘：雇人标注成本高、难规模化，还容易带进个人偏好。ChatGPT 发布半个月后，Anthropic 发表论文提出宪法 AI：先定行为原则，再让一个模型评判、修改另一个模型的回答，反复迭代，做到既有用又不越界。对内回应「能力和安全同步」；对外被写成 Claude 礼貌、克制、不主动越界的产品特质。

2023 年 3 月，第一代 Claude 对外合作，主打长文本和安全，用过的人普遍觉得比同期 GPT-3.5「礼貌得多」。5 月，上下文从 9K 扩到 100K token，约合 7.5 万英文单词；两个月后 Claude 2 公测延续这一能力。对比口径是：当时主流 GPT-4 最高 32K，Anthropic 上一代不到 10K。同一篇复盘给出的使用画面是：一次性读完一本书或整个代码库，从「能聊」变成「能把长材料一次塞进去」。9 月发布首版《负责任的缩放政策》（RSP），按潜在风险分级，能力越高管控越严，被称作行业第一套成体系的动态安全机制。10 月 Google 领投后，估值站上 184 亿美元。那年全球并不安静：GPT-4 立标杆，OpenAI 专班押长期安全，马斯克创办 xAI，谷歌整合 DeepMind 推出 Gemini；国内「百模大战」里大厂模型和智谱、月之暗面、深度求索等创业公司同期密集露面。Google 领投后，报道写全球大模型隐约出现两家顶尖独立实验室并立的雏形——仍是媒体判断。

2024 年 3 月，Claude 3 一次推出三款，补齐多模态；旗舰 Opus 默认 100K，长文本评测准确率高，报道写其首次反超 GPT-4。6 月 Claude 3.5 Sonnet 在多项核心指标上追平 GPT-4o；10 月升级版在 SWE-bench Verified 上超过当时所有闭源竞争对手。同年 5 月，团队用稀疏自编码器对 Claude Sonnet 做「内部扫描」，提取 3400 万个特征，定位到「金门大桥」「程序漏洞」等概念对应的回路；手动激活「金门大桥」特征后，模型回答什么都绕不开这座桥。报道称之为人类第一次在商用级大模型上做到对内部机制的精准解释和操控，并写同期 OpenAI 相关研究未公开具体进展、国内几乎没有产品级验证。10 月，新版 Claude 上线「电脑操作」：看屏幕、点鼠标、敲键盘。一个月后开源 MCP，把模型和工具、数据的连接方式统一。报道称 2025 年第一季度 OpenAI、谷歌宣布支持 MCP，国内阿里、腾讯、百度、支付宝也在四个月里上线相关服务，行业大约半年完成站队。2024 年估值从年初 184 亿涨到年底约 410 亿，当时 Claude 年营收已突破 10 亿美元——这些数字均来自雷峰网转述，并非本稿独立财报核对。

编程助手按当年节奏交卷

2025 年 2 月 24 日，Claude 3.7 与 Claude Code 一起发布：前者可在「快答」和「深度思考」间切换；后者能翻代码库、查类型定义、调 bug、提交代码、跑测试。报道写，这一刻 2021 年讨论「仓库浏览是个好切入点」「先演示能力、再做生产力工具」全部分毫不差落地。5 月 Claude 4 系列把长时间连续工作往上推，旗舰版能连续几小时执行编程任务，并在多项编程测试里拿第一。9 月 4.5 版本，报道称编程和智能体能力再上台阶，AI 能力达到初级工程师水平；同期办公向产品把用户从程序员扩到白领。9 月新一轮融资后，估值冲到 1830 亿美元左右，同样是媒体转述口径。

进入 2026 年，报道写 5 月到 10 月密集更新 5.5 代全系列，多模态、深度思考、智能体三项同步打磨，产品转向「产品级可用性」。MCP 被写成全球 AI 工具的事实标准；安全框架、第三方测试、行业论坛被对应到当年「机器学习山巅之城」的愿景。五年后的能力数字也写在同一篇里：Claude 能一次处理 1M token 长文本，并进化出适配工程场景的记忆优化；大模型迭代到 Opus 5.5；安全调校从人工标注反馈，到「AI 监督 AI」的宪法式训练，再到混合方案。文末判断「OpenAI、谷歌、Anthropic 三家领跑」以及「兑现了每一个分支」，是雷峰网的叙述，不是独立审计结论。

局限同样具体：材料来自一场版权官司里曝光的内部文件加一家媒体的五年复盘；批注原句、融资与估值、评测「反超」和营收突破，都未在此交叉到公司年报或官方博客原文。网友称神的观感，也不能代替「路线图导致产品」的因果证明——它能说明的是时间线上的高度重合，以及团队当年已经把工具、长上下文、RL 和对齐写成同一张三四页的清单。