当AI开始造AI:Anthropic内部曝光,80%代码已是Claude写的

8倍产出、80%代码由AI写——Anthropic首次公开内部数据，告诉你AI离"自己造自己"还有多远

 今天Anthropic工程师合并的代码中，80%以上由Claude撰写。这不是未来预言，是2026年5月的数据。 

 Anthropic Institute刚刚发布了一篇长文"When AI builds itself"，首次系统性公开了AI在加速AI开发的内外部证据。文章的核心追问是：如果AI自己写代码、自己跑实验、自己选研究方向——离AI自己设计自己的继任者，还有多远？ 

 以下数据全部来自原文。我们一条一条看。 

AI能干多久的活了？从4分钟到12小时，只用了两年

 文章公布了一条最重要的趋势线：AI系统能独立完成的任务时长，正在加速翻倍。 

 更值得注意的是翻倍速度本身在加快——从早期的每7个月翻倍，缩短到现在的每4个月翻倍。用Anthropic原文的话说："如果这个趋势持续，今年内就能达到需要人类数天的任务，2027年可达数周级别。" 

基准测试已经"撑不住"了

 几个指向同一趋势的外部证据： 

 METR 机构的评价很有意思——"Claude Mythos 已经处于我们不用新任务就测不出上限的水平"。这些基准测试不是不够好，而是已经不够用了。 

Anthropic内部数据——数据不会说谎

 公开基准只能旁证。文章最有力量的部分是Anthropic首次公开的内部工程数据。 

关键数据 #1：80%+ 代码由Claude撰写   截至2026年5月，Anthropic合并的代码库中，超过80%由Claude编写。而在Claude Code于2025年2月发布研究预览版之前，这个数字还是个位数。 

关键数据 #2：8倍产出   2026年第二季度，Anthropic的典型工程师人均日合并代码量，是2024年的8倍。文章特别加了一个注释："行数不是一个完美的度量，8倍几乎肯定高估了真正的生产力提升——但它确实表明了一个加速趋势。" 

 下面这张图展示了从2021年到2026年，随着模型能力提升，人均代码贡献量的变化。两次明显的跳跃点分别对应Claude Code发布（2025.02）和Claude Mythos Preview（2026）——也就是AI从"建议代码让人复制粘贴"进化到"自己运行代码并完成任务"的时刻。 

Anthropic工程师人均日合并代码量，标注了每次模型发布节点。来源：Anthropic Institute

关键数据 #3：4倍效率自评   2026年3月对Anthropic 130名研究人员的内部匿名调研显示，中位数受访者估计，使用Mythos Preview后，他们在自己原本就在做的项目上的产出大约是原来的4倍。 

关键数据 #4：800个Bug，人工要修4年   2026年4月，Claude一次性修复了800多个Bug，将某一类API错误降低了1000倍。负责监督的工程师评估：如果人工来做，需要4年。原因是"修别人的Bug太慢太痛苦了，一个人脑子里装不下那么多陌生上下文。" 

代码质量——不仅仅是"能跑"

 "代码写得多"不等于"代码写得好"。Anthropic也跟踪了质量指标。 

 好代码有两个标准：能工作，并且其他人能读懂并继续开发。Anthropic用Claude Code的会话成功率来衡量——一个会话被判定为成功，意味着Claude在没有需要人工纠正的情况下，完整完成了用户的任务。 

 下面是不同难度任务的成功率变化： 

不同难度任务的Claude Code会话成功率。最难的"开放式问题"6个月内从约26%提升到76%。来源：Anthropic Institute

 最难的"开放式问题"——也就是完全没有明确规格说明、工程师自己都不知道答案长什么样的任务——成功率从不到30%提升到了76%，6个月内提升了50个百分点。而简单和常规任务的成功率已经接近90%以上。 

 另一个让人印象深刻的数字：超过5个月没有亲自写过一行代码的Anthropic工程师出现了。他在公司内部说了一句话： 

   "大约一年前我开始重度依赖Claude。那之后是一段疯狂的冒险——到现在我已经大约5个月没有亲自写过一行代码了。"   ——Anthropic一名工程师

最后一块拼图：研究判断力

 构建前沿模型需要两种工作：工程（写代码、搭基础设施、监督训练）和研究（决定做什么实验、解读结果、判断哪个方向值得探索）。 

 工程端，AI已经可以接手"没有明确说明"的任务——人类给目标，AI自己想方法。但研究端，还存在一个关键差距。 

 文章提供了一张数据图，衡量的是：AI能否比人类选出更好的下一步研究方向。 

"AI能否比人类选出更好的下一步？"从Claude 3 Haiku到Mythos Preview的性能演变。来源：Anthropic Institute

 从Claude 3 Haiku到Mythos Preview，AI在研究判断力上持续提升。但文章也坦承："在执行明确实验方面，Claude已经可以匹配甚至超越有经验的人类；但在判断哪些问题值得研究方面，还有较大的性能差距。" 

 文章用工程师的成长阶段来做类比： 

 这就是当前AI距离"完全自主设计自己的继任者"的最后一块拼图。 

双刃剑——当AI开始造AI

 Anthropic在这篇文章中也没有回避风险讨论。 

 AI的递归自我改进——也就是"AI自己设计自己的继任者"——一旦发生，将是技术史上一个里程碑级别的事件。它可能带来科学、医疗等领域的巨大进步，但也可能增加人类对AI失去控制的风险。 

 文章原文说："如果系统能够完全自主地构建自己的继任者，那么我们对它们进行安全保护、监控和行为塑造的方式，都变得重要得多。" 

 文章配了一张演化图，展示了AI开发闭环的五个阶段： 

     2021–2023 → 人在写代码     2023–2025 → 聊天机器人辅助     2025–2026 → 编码Agent     现在 → 自主Agent（能运行代码、委派任务给其他Agent）     20XX? → 闭环——AI自己训练AI   

 文章最后强调：递归自我改进并非不可避免。但它的到来"可能比大多数机构预期得更快"。 

最后一个问题

 这篇文章最有意思的地方，不是它展示了多少震撼数据——而是它揭示了一个正在发生的真实趋势。 

 在2021到2024年，Anthropic的工程师人均产出几乎是一条平线。然后AI来了。1.5年之后，产出翻了8倍。80%以上的代码是AI写的。有工程师已经5个月没写过一行代码。 

 文章的标题叫"When AI builds itself"。它没有给出答案——但它给出的数据和趋势，值得我们每个人想一想： 

当AI能完成12小时不间断的编程任务时，你的工作流程里，还剩下多少必须由人来做的事？

   原文：When AI builds itself — Anthropic Institute   编译 & 解读：AI练技箱 

扫码关注 · AI练计箱用最简单的比喻，讲最硬核的技术

— END —