Anthropic于9月17日首次公开内部AI研发自动化数据：截至今年8月，Claude已主导公司26%的AI研发工作，而今年2月这一比例不足1%。公司内部约3万个AI Agent同时运行，8月产生超过10亿次决策。Anthropic采用Epoch AI的六级自动化框架，26%的研发工作达到AL4级别（AI主导），超过90%达到AL3级别（AI协作），但尚无工作达到AL5完全自主水平。安全监控显示，8月约0.002%的决策被阻止。RSI已成为AI行业投资核心逻辑，智谱、OpenAI、谷歌DeepMind等均在推进相关研究。
文章作者、来源：AIBase
Anthropic首次公开AI研发自动化核心数据
当地时间9月17日，Anthropic发文，第一次以量化方式掀开了内部AI研发自动化的底牌。数据相当扎眼：截至今年8月，Claude已主导公司内部26%的AI研发工作，而今年2月这一比例还不足1%；公司内部Agent平台任意时刻约有3万个AI Agent在跑，8月产生超过10亿次决策。这组数字被外界视为递归自我改进（RSI）从概念走向工程现实的关键信号。
Anthropic采用了独立AI研究机构Epoch AI提出的六级自动化框架，把AI的参与程度划分为AL0至AL5——AL0完全没有AI参与，AL3是AI协作，AL4是AI主导，AL5为完全自主。截至8月，26%的AI研发工作达到AL4：人类只需给出高层目标，Claude就能完成端到端的大部分工作，人只负责监督、检查和最终拍板；另有超过90%的研发工作至少达到AL3。
一个具体场景很能说明问题：夜间数据管道出故障后，工程师只需把报告丢给Claude说一句“把它修好”，它就能自主查看日志、定位原因、编写修复代码、测试、处理新冒出来的问题，最后重跑管道、对比结果并撰写说明。但Anthropic也明确了线——目前尚未有任何被测量的AI研发工作达到AL5完全自主水平。
规模数据更为实在。截至8月，Anthropic内部约3万个Agent从事研究和工程工作，它们拥有独立于底层模型升级的身份标识，通过共享消息系统互相委派任务、交叉纠错。安全监控上，所有Agent动作执行前都要过在线监控，8月超10亿次决策中约0.002%被阻止；离线监控每周标记约10万条对话记录，经分类器过滤误报和初步审查后，优先级约50条升级到人工审查。算力分配方面，7月样本周内约6%的AI研发算力投入安全研究，若只统计AI驱动的研发，这一比例升至约12%。Anthropic也坦承，AI协作与AI主导的边界存在主观性，跨实验室比较需要统一方法和第三方验证。
RSI眼下已是行业最热的概念昨日智谱创始人唐杰披露，GLM-5.3-Flash两周内完成国产加速器全量部署，大部分工作由GLM-5.3驱动的Infra Agent完成；他判断距离完全RSI尚远，但“模型优化系统、系统服务模型“的循环已经开始运转。OpenAI则在9月初宣布达成自动化AI研究实习生里程碑，目标2028年3月前实现自动化AI研究员，最薄弱的环节仍是”决定做什么“——任务超过4小时就需要人类频繁介入。谷歌DeepMind的进化式编码智能体AlphaEvolve从算法进化切入，其提出的电路方案已集成进下一代TPU，谷歌前首席科学家杰夫·迪恩称之为”TPU大脑帮助设计下一代TPU身体“的最新案例。
谷歌DeepMind首席战略官贾吉特·塞洪此前的一句话点透了底层逻辑：RSI正成为AI资本开支的核心投资逻辑，虽然当前AI收入还撑不起正在投入的资本开支，但不下注RSI并不明智。
Anthropic这次把数字摆上台面，一面是想在人类仍握主导权的窗口期，让社会参与决定AI自我迭代的节奏与方向；另一面，则是给行业立下一个可参照的披露基准——当研发自动化比例、Agent规模、算力投入占比和安全监控覆盖率都被公开，透明度本身就变成了无声的竞争压力，不跟进就可能被当成有意遮掩。