【新智元导读】Anthropic自家工程师早已根基不写代码了
，却280美元一个工作
，花钱请约1000名表部工程师
，手把手教Claude Code写出好代码
。喂养前沿模型的
，终于还是人
。 早在今年1月
，Claude Code掌管人Boris Cherny就爆料自己已经两个多月没手写过一行代码
，一天就让Claude提交22个拉取要求（Pull Request）
，前一天则提交了27个
，满是模型写的
。 流程大体是这样
。先从一份蕴含数千个仓库的清单里
，选一个GitHub的代码仓库
。而后建一个PR
，也就是开发者提交代码批改的那一步
。再写一段提醒词
，把工作讲明显
。 另一个工作中
，表部工程师给MLflow这个开源机械进建平台做安全建复
，针对它加载模型时下载Python包可能出现的号令注入缝隙
。资料的要求极度明确：既要挡住号令注入
，又不能误伤合法的pip（Python包治理器）选项
。 这些工作的要求
，已经超出了数据标注的领域
，更像是要让一个资深工程师
，把脑子里那套「这样写更好」的判断原样拷给模型
。 Anthropic官方把它界说为项目级的AI智能体
。它能读齐全个代码库
，跨文件做规划
，直接执行批改
，跑测试
，再凭据失败的了局自己迭代
。 默认情况下
，高风险文件批改或号令执行必要用户核准；为削减反复授权带来的 核准委顿
，Anthropic还引入了sandboxing
，让Claude Code在预设文件系统和网络天堑内更安全地运行
。 这些器材
，通常的代码语料喂不出来
。它从前藏在资深工程师的代码审查里
，是人传人的经验
。此刻
，Anthropic想通过招募人类编程专家
，把它造成能够采办的数据
。 2015年
，Snorkel还只是Ratner读博时的一个「下午项目」：与其花大价值雇人一条条标数据
，不如用法式和规定做「弱监督」（weak supervision）
，让模型不靠人为逐条标注也能学
。 Snorkel昔时要破的
，正是「人为标注又慢、又贵、又不稳」这个老迈难
，那时AI开发约80%的功夫都耗在手工标注数据上
，因而Snorkel最初的妄想
，就是尽量把人从标注里解放出来
。 可到了前沿模型时期
，最稀缺、最值钱的又回到了人身上
，只是换成了博士、医生、律师、资深工程师等专家的品尝和判断
。这家靠「罕用人」起身的公司
，如今最赢利的生意反倒是组织一支昂贵的专家雄师去训练前沿AI
，Marlin只是其中一单
。 Snorkel官网这样描述这套工作流：先界说工作、评分尺度和验证器
，框定「什么算好」
，再跑专家评审流水线
，作者、多名评审、最终裁决者层层把关
，全程留痕
。 它还会把评估环境和数据一并搭好
，让统一批工作能在分歧模型版本上反复跑
，得出可复现、可比力的分数
。而要让分数干净可比
，评分的人就不能受版本滋扰
。这些表部工程师不知路自己评的是哪个版本
，原因就在这儿
。 Snorkel一个公开的司法方向合同岗
，每个高质量工作10到100美元；而Marlin的软件工程工作是280美元一个、约一幼时
，折成时薪差不多是同业的两倍半（Scale AI、Mercor给工程师开到每幼时110美元）
。顶尖专家周入还能超过3000美元
。 它官方写明：用户开启隐衷模式后
，代码绝不会被它或第三方用于训练；只有关关隐衷模式
，它才可能用代码库数据、提醒词、编纂行为、代码片段
，来改进AI职能、训练模型
。 Cursor的Tab模型每天产出超过10亿个编纂字符
，要求量比初版涨了约100倍
。更进一步的Composer
，通过强化进建（RL）训练
，让模型在大量代码工作环境中进建挪用编纂、搜索等工具
，处置更长周期的工程工作
。 今年2月
，xAI并入SpaceX
。4月底
，SpaceX拿下了年内以600亿美元收购Cursor母公司Anysphere的权势
，或者先付100亿美元做深度合作
。马斯克看中的正是Cursor手里那份全球最活跃的真实开发者行为数据
。 5月25日
，马斯克在X上颁发
，新一代基础模型Grok V9-Medium训练实现
，参数1.5T
，是当前出产模型的3倍
。他专门点出
，这还是没加Cursor数据补训之前的成就
，加完「编程能力会强好多」
，模型预计6月中旬颁布
。 OpenAI后来的Codex也走上了这条路
。2025年颁布的Codex由codex-1驱动
，OpenAI称其是在真实编码工作上通过强化进建训练的
，指标是写出切近人类风格、切合PR习惯的代码
，还能反复跑测试直到通过；每个工作跑在预装了你代码库的隔离沙箱里
。 这注明
，HumanEval那类老的基准测试（benchmark）已经刷到鼓和
，光看跑分意思不大了
。真正的战场
，是真实开发过程里那些反复、试错、颠覆沉来的数据
。