文章由公司结合首创人 Jack Clark 与内部钻研机构 The Anthropic Institute 掌管人 Marina Favaro 共同署名。主题概想能够用一句话概括：AI 正加快参加到自身的开发过程傍边。若是这个趋向走到极端，AI 将可能在没有人类染指的情况下，自主设计、测试并训练出更壮大的下一代 AI�；�于这一判断，Anthropic 呼吁全球重要 AI 尝试室思考暂停 AI 开发，或者至少成立一套能够相互核查的减速机造。 就在文章颁布前几天，Anthropic 刚刚实现最新一轮融资，估值达到 9,650 亿美元，正式超过 OpenAI。统一周，公司向美国证券买卖委员会奥秘递交了 S-1 注册申明草案，启动 IPO 筹备流程。Anthropic 的年化营收正急剧攀升，从 2025 年底的约 90 亿美元增长到当前的靠近 470 亿美元，预计本月底将突破 500 亿美元。在公司即将冲击公开市场、贸易势能最强的时辰，却发出“请思考减速”的信号，很难让人不疑惑其动机。 不外在会商动机之前，不能否定的是，这篇文章的确拿出了实打实的内部数据。而这些数据之所以沉要，是由于它们指向了一个越来越明确的趋向：AI 研发自动化。 Anthropic 的文章重要萦绕一个概想发展——“递归自我改进”（Recursive Self-Improvement，简称 RSI），指的是 AI 系统自主实现设计、测试、训练下一代 AI 的齐全流程，人类不再表演关键角色。这个概想并不新鲜，但从前一年里，它正从理论走向现实。险些所有头部 AI 公司都在往这个方向投入资源。 以 OpenAI 为例，这家公司已经将“AI 参加 AI 研发”列入沉点关注事项。其安全团队专门设立了“Recursive Self-Improvement Preparedness（递归自我改进筹备）”有关岗位，用于钻研当 AI 可能显著加快自身研发时可能带来的能力跃迁与风险。OpenAI 此前公开泄漏，其内部指标是在 2026 年前后打造达到“钻研实习生”水平的 AI 系统，并在 2028 年实现可能独立承担钻研工作的自动化 AI 钻研员。 Google DeepMind 走的是一条更偏算法发现的路线。它的 AlphaEvolve 项目让 AI 自主提出算法规划、运行尝试、筛选了局，再将优良规划反馈回系统持续迭代。这套系统已经被用于数据中心调杜着化和 AI 训练效能提升等现实场景，据报路还找到了 56 年来首个对 Strassen 矩阵乘法算法的改进。从某种意思上说，这也是 DeepMind 对“奇点”判断的沉要凭据之一：当 AI 起头参加甚至推动新的科学发现和算法创新时，技术进取将进入加快循环。 头部公司之表，越来越多创业公司也起头萦绕“自动化 AI 研发”布局。例如近期获得大额融资的 Recursive Superintelligence，以及将“构建善于 AI 研发的系统”写入公司使命的 Mirendil，都是这一趋向的代表。固然技术蹊径各不一样，但它们对准的是统一个指标：让 AI 从研发工具造成研发过程的参加者，并最终承担越来越多的研发工作。 正是在这个布景下，Anthropic 颁布了这篇长文。它的态度是：RSI 还没有产生，也不愿定会产生，但它到来的速度“可能比大无数机构筹备好的功夫更快”。 第一组数据是关于 AI 的代码能力。截至 2026 年 5 月，Anthropic 归并到出产代码库中的代码有超过 80% 由 Claude 编写。2025 年 2 月 Claude Code 上线之前，这个比例还是个位数。与之对应，2026 年第二季度工程师人均每天归并的代码量达到 2024 年的 8 倍。文章专门补充注明：代码行数衡量的是数量而非质量，8 倍很可能高估了真实的出产力提升。但趋向是了了的：工程师的角色在从“写代码”转向“指引方向和审查了局”。 并且 Claude 写的代码质量还在急剧提升。Anthropic 内部跟踪了工程师在 Claude Code 工作过程中必要纠正或中途收受的频率，这个频率在从前一年持续降落。到 2026 年 5 月，Claude 处置最高难度盛开式工作的成功率达到 76%，六个月内上升了 50 个百分点。 第二组数据涉及了 AI 的科研能力。Anthropic 有一个内部基准测试：给 Claude 一段训练幼型 AI 模型的 CPU 代码，要求它在不扭转正确性的前提下尽可能提速。2025 年 5 月，Claude Opus4 的均匀加快比约为 3 倍；到 2026 年 4 月，Claude Mythos Preview 达到了约 52 倍。 作为参照，一名纯熟的人类钻研员通常必要四到八幼时能力达到约 4 倍加快。Anthropic 提醒，绝对倍数受肇始代码优化空间的影响，不应直接解读为真实世界的训练加快，但在统一测试前提下，一年内从 3 倍到 52 倍的变动，这个了局值得器沉。 第三组数据来自工程实际。2026 年 4 月，Claude 自主建复了超过 800 个 API 谬误，将该类谬误的产生率降低了约 1,000 倍。掌管的工程师估计，同样的工作让人来做或许必要四年。由于建复别人写的 Bug 切实是一个漫长而疾苦的过程，人类也很难同时记下那么多不熟悉的代码高低文，可这类工作刚好是 AI 的优势地点。 文章还颁布了一个颇有意思的尝试。2026 年 4 月，钻研人员将多个 Claude 智能体交给一个 AI 安全领域的盛开问题：弱模型能否靠得住地监督强模型？智能体自行提出如果、设计尝试、运行测试，在并行智能体之间共享发现并迭代。两位人类钻研员花了一周功夫，添补了该工作机能高低限之间约 23% 的差距；Claude 智能体累计运行 800 幼时后，添补了 97% 的差距。 更值妥贴心的是，AI 提升的不只是执行能力，连“下一步该做什么”的判断能力也在同步加强。Anthropic 内部的一项回溯评测显示，当钻研人员在项目推动过程中走入谬误方向时，Claude 越来越可能提出更优的代替规划。最新模型 Claude Mythos Preview 给出的钻研蹊径，有 64% 的概率被评审以为优于人类钻研者其时的现实选择。这意味着 AI 起头不仅能援手钻研者实现工作，也在越来越多地参加钻研方向自身的选择。 这些数据拼在一路，指向的是统一个大的趋向：AI 在收受越来越多本出处钻研人员亲自实现的工作。写代码、调试系统、运行尝试、分析了局，这些从前占据大量功夫的研发环节，正越来越多地由 AI 实现。人类的角色则逐步从执行者转向监督者和决策者。 正由于如此，此前 Jack Clark 对递归自我改进的功夫表判断相当激进。他在 2026 年 5 月的 newsletter 中估计，到 2028 年底出现齐全自动化 AI 研发的概率约为 60%，到 2027 年底约为 30%。 若是 Clark 的判断成立，那么问题很快就会从“RSI 是否可能出现”造成“当它真的出现时怎么办”。因而，Anthropic 这篇文章真正想会商的，其实不只是技术，还有技术发展过快之后的治理问题。 在文章中，Anthropic 提出了三种可能的未来：第一种是 AI 能力增长逐步放缓，但现有能力已经足以宽泛扩散；第二种是 AI 持续带来复合型效能提升，人类仍掌管设定钻研方向，但越来越多执行环节被自动化；第三种，也是最激进的一种，是 AI 系统真正具备齐全的递归自我改进能力，起头自主构建下一代模型。Anthropic 最不安的是后两种情景，由于它们留给社会、当局和安全钻研的筹备功夫都极度有限。 在文章最后，Anthropic 将问题的答案落到“减速”与“核查”上。它以为，若是能有效放慢前沿 AI 开发，让社会造度和对齐钻研跟上技术进展，这很可能是一件功德。但单方面面暂停意思有限，由于它只会扭转谁是当先者，并不会让整个行业获得真正的会商功夫。真正有效的暂停，必须是多国、多家前沿尝试室在一样前提下共同减速，并且可能彼此验证对方的确停了下来。 公开会商前沿 AI 的潜在风险，的确是 Anthropic 的一贯风格。从成立至今，这家公司的确已经屡次颁布关于模型能力、安全治理和监管框架的钻研与政策文件。只不外这一次，它会商的对象从 AGI 进一步推动到了 RSI。 联创 Clark 在接受 Axios 采访时诠释说：“我们一向发现，最好的做法是让各人理解这个概想，让人们相识即将产生什么。”他说文章背后的主题判断是，“与一些盛行概想相反，AI 进取在未来几年将会加快，维持不变或放缓的可能性不大。”他还暗示，Anthropic 但愿立法者在真正频仍听到“递归自我改进”之前，就提前相识这个话题。 风险投资人 David Sacks，他同时也是特朗普的沉要科技照拂。近期就在播客中公开品评 Anthropic。他以为，所谓全球核查机造听上去是在防备风险，但现实成效很可能是抬高行业门槛。依照他的逻辑，可能满足审查、合规和安全要求的，往往是 Anthropic、OpenAI、Google 蹬椎有雄厚资金和算力的大公司；而开源模型天然分散在全球各地运行，很难被统一监管。最终的了局，可能不是让 AI 更安全，而是让少数头部公司获得更大的优势。 此前，类似的质疑也呈此刻产品层面。例如在推出网络安全模型 Mythos 时，Anthropic 对模型接见权限进行了严格限度，理由是其能力过于壮大，可能被用于攻击关键基础设施。支持者以为这是掌管任的安全措施，但品评者则质疑，公司是否在有意强化“危险但先进”的形象，以凸起自身技术当先职位。 沃顿商学院教授 Ethan Mollick 对这些矛盾的态度给出了自己的诠释。他以为，Anthropic 内部现实上同时存在多种力量。一部门人像其他科技公司一样掌管贸易化、市场和司法事务；一部门钻研人员专一于打造更壮大的下一代模型；还有一部门人则真正关切 AI 持久可能带来的社会影响与风险。在 Mollick 看来，这些群体并不总是态度一致。Anthropic 之所以时时出现出一壁加快推动模型能力、一壁公开会商潜在风险的矛盾形象，很大水平上正是这种内部张力的了局。 但还有一个更现实的问题：即便所有人都相信风险存在，真的有人能停下来吗？当所有参加者都处于强烈竞争的环境里，“谁在别人暂停时持续跑，谁就可能继承担先职位”。 文章最后提出的规划是，Anthropic 将在未来数月组织政策造订者、钻研人员以及其他 AI 公司参加会商，索求构建一套可核查的暂�；�造。依照设想，多个国度的多个前沿尝试室必要在一样前提下同时终场开发，并且每一方都能验证其他参加者的确停了下来。若是这样的机造存在，Anthropic 暗示自己“预计会减速或暂停”。 “若是”二字，看似轻松，却承载了巨大的沉量。汗青上，无论是核军控还是其他国际技术治理系统，都破费了数十年功夫才成立起核查机造、执行能力和跨国信赖。而 AI 的扩散速度远快于这些先例，“若是」劓正要让整个行业一路踩下刹车，可能比实现 RSI 还要难题。