【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。